Nemsokára már valós időben tudsz beszélgetni a ChatGPT-vel

A jelentések szerint a biztonsággal és a finomhangolással kapcsolatos több késés után az OpenAI által régóta várt „Advanced Voice Mode” (AVM) a ChatGPT-hez mostantól alfa verzióban is elérhető a kiválasztott felhasználók számára.

Az AVM funkciót még májusban jelentették be és mutatták be. Lehetővé teszi a felhasználók számára, hogy valós idejű beszélgetést folytathassanak a ChatGPT mesterséges intelligencia modelljével egy technológia-beszédszintetizáló modulon keresztül.

Ez a technológia nemcsak a hétköznapi használatot könnyíti meg, hanem számos alkalmazási területet nyithat meg, beleértve az ügyfélszolgálatot és az oktatást is.

Azok, akik emlékeznek a Google 2018-as bejelentésére, ismerhetik a "Duplex" AI szolgáltatást, amely valós időben hívta fel a vállalkozásokat találkozók egyeztetésére. A cél az volt, hogy az AI képes legyen kezelni a mindennapi beszélgetéseket és pontos információkat biztosítani.

Bár a Duplex projektet végül megszüntették, a technológia öröksége tovább él az OpenAI ChatGPT-ben, amely most hasonló képességeket kínál.

Az AVM valós idejű kommunikációt tesz lehetővé, amely emberi beszélgetéseket próbál utánozni. A ChatGPT természetes ütemben válaszol a felhasználók kérdéseire emberi hangon, és képes követni a beszélgetés menetét, még ha félbeszakítják is.

Az OpenAI egy korlátozott verzióban vezeti be ezt a funkciót, hogy teszteljék a képességeit és a biztonsági vonatkozásait. Bár a májusi bemutatók lenyűgözőek voltak, némi zökkenőmentesítésre is szükség van, és vannak aggályok a technológia lehetséges visszaéléseivel kapcsolatban.

Az OpenAI különös figyelmet fordít a biztonságra és az adatvédelemre. Az új funkció használata során szigorú adatvédelmi intézkedések vannak érvényben, hogy a felhasználók személyes adatai védve legyenek.

Az OpenAI folyamatosan fejleszti a rendszert, hogy kiszűrje a helytelen használatot és a potenciális veszélyeket. A jövőben további fejlesztésekkel és újításokkal készülnek, hogy a Hangmód még jobb felhasználói élményt nyújtson.

Az X-ről szóló bejegyzésben, amely bejelenti a funkció elindítását, a vállalat ezt írta:

„Teszteltük a GPT-4o hangképességeit több mint 100 külső vörös teamerrel, 45 nyelven. Az emberek magánéletének védelme érdekében a modellt arra tanítottuk, hogy csak a négy előre beállított hangon szólaljon meg, és olyan rendszereket építettünk, amelyek blokkolják az ezektől a hangoktól eltérő kimeneteket. Emellett védőkorlátokat is bevezettünk az erőszakos vagy szerzői joggal védett tartalmakra vonatkozó kérések blokkolására.”

Az OpenAI Hangmódja egy izgalmas újítás, amely tovább bővíti a ChatGPT lehetőségeit, és új távlatokat nyit az AI-alapú kommunikáció világában. A felhasználók számára pedig újabb lépést jelent a jövő technológiájának mindennapi alkalmazása felé.