ChatGPT علاوه‌بر مکالمه متنی به مکالمه صوتی هم مجهز می‌شود
ChatGPT در حال تبدیل‌شدن به چیزی فراتر از یک موتور جستجوی مبتنی بر متن است. OpenAI امروز اعلام کرد که هوشمند‌سازی‌های جدیدی مبتنی بر صدا و تصویر به این مدل اضافه میکند.
به گزارش شهرآرانیوز - دستیار هوش مصنوعی مولد یکی از بزرگترین دستاوردهای فناوری در چند وقت اخیر بوده است. این دستیار به هر کسی اجازه می‌دهد تا مقاله و شعر و هر متنی را با اعلان‌های ساده مبتنی بر متن تولید کند. اما اکنون، ChatGPT در شرف تعامل بسیار بیشتر است و کاربران می‌توانند با چت‌بات مکالمه صوتی داشته باشند.
این خبر همان روزی منتشر شد که آمازون متعهد شد ۴ میلیارد دلار در رقیب OpenAI Anthropic سرمایه‌گذاری کند؛ اقدامی که بخشی از نبرد بزرگ‌تر هوش مصنوعی بین غول‌های فناوری جهان را تشکیل می‌دهد.
با ترکیب دنیای آشنای دستیار‌های مبتنی بر صدا و مدل‌های قدرتمند زبان بزرگ (LLM)، امروز یک تحول قابل‌توجه در جنبش هوش مصنوعی اتفاق افتاده است.
برای مثال، یک کاربر می‌تواند به‌صورت شفاهی و با دادن چند دستور از ChatGPT بخواهد تا یک داستان را برای قبل از خواب بسازد و روایت کند. یا کاربر می‌تواند به سادگی از این دستیار سوال بپرسد و ChatGPT پاسخ خود را به صورت کلامی بیان کند.
در جا‌های دیگر، کاربران ChatGPT می‌توانند با استفاده از تصاویر، پاسخ‌ها را جستجو کنند. برای مثال، عکسی از چیزی را آپلود کنند و از ChatGPT بخواهند توضیح دهد که این تصویر چیست، یا دستورالعمل‌هایی برای تکمیل یک هدف ارائه دهد.
ویژگی صوتی را یک مدل جدید تبدیل متن به گفتار ارائه میکند که می‌تواند صدا‌هایی شبیه انسان را از متن و چند ثانیه نمونه گفتار تولید کند. OpenAI گفته است که با صداپیشگان معتبر برای ایجاد پنج صدای مختلف، با سیستم تشخیص گفتار منبع‌باز Whisper که برای تبدیل جملات شفاهی به متن استفاده می‌شود، همکاری کرده است.
اسپاتیفای هم به‌عنوان شریک این ویژگی معرفی شده است. غول پخش موسیقی یک ویژگی جدید و به شدت کاربردی را برای پادکست‌ها معرفی کرده که با آن می‌توان صدای خودمان را نمونه‌برداری کنیم و پادکست‌هایمان را از انگلیسی به صوت اسپانیایی، فرانسوی یا آلمانی ترجمه کنیم. به نظر می‌رسد که OpenAI مراقب است که در این زمینه هدف انتقادات قرار نگیرد، زیرا این فناوری را در دسترس کسی قرار نمی‌دهد. الان به‌طور خاص فقط چند پادکست از این ویژگی استفاده می‌کنند.
OpenAI در پستی نوشته است: «فناوری صوتی جدید - که قادر به ساخت صدا از تنها چندثانیه گفتار واقعی است - در‌ها را به روی بسیاری از برنامه‌های کاربردی و خلاقانه باز میکند.» با این حال، این قابلیت‌ها خطرات جدیدی را نیز به همراه دارند، مثل جعل هویت افراد یا کلاهبرداری.
دیدگاه های ارسال شده توسط شما، پس از تائید توسط شهرآرانیوز در سایت منتشر خواهد شد.
نظراتی که حاوی توهین و افترا باشد منتشر نخواهد شد.
