OpenAI начал развертывать расширенный голосовой режим ChatGPT, предоставляя пользователям первый доступ к гиперреалистичным аудиоответам GPT-4o. Альфа-версия будет доступна для небольшой группы пользователей ChatGPT Plus, и OpenAI говорит, что эта функция будет постепенно развернута всем пользователям Plus осенью 2024 года.
Когда OpenAI впервые продемонстрировал голос GPT-4o в мае, эта функция шокировала аудиторию скорыми ответами и удивительным сходством голоса реального человека – в частности одного. Голос Скай походил на голос Скарлетт Йоханссон, актрисы, исполнявшей роль искусственного помощника в фильме «Она».
Возможно, вы уже испытали голосовой режим, который сейчас доступен в ChatGPT, но OpenAI говорит, что расширенный голосовой режим другой. Старое решение ChatGPT для аудио использовало три отдельных модели: одну для преобразования вашего голоса в текст, GPT-4 для обработки ваших подсказок и третью для преобразования текста ChatGPT в голос.
Image Credits: Getty ImagesНо GPT-4o является мультимодальным, способным обрабатывать эти задачи без помощи вспомогательных моделей,
создавая разговоры с гораздо меньшей задержкой. OpenAI также утверждает, что GPT-4o может испытывать эмоциональные интонации в вашем голосе, включая грусть, волнение или пение.
OpenAI говорит, что выпускает новый голос ChatGPT постепенно, чтобы внимательно следить за его использованием.
Через несколько месяцев после демонстрации OpenAI компания заявляет, что тестировала голосовые возможности GPT-4o с более чем 100 внешними красными командами, говорящими на 45 разных языках. OpenAI говорит, что отчет об этих мерах безопасности будет опубликован в начале августа.
Компания говорит, что Advanced Voice Mode будет ограничено четырьмя предварительно установленными голосами ChatGPT – Juniper, Breeze, Cove и Ember – созданными в сотрудничестве с платными актерами голоса. Голос Sky, показанный в майской демонстрации OpenAI, больше не доступен в ChatGPT.
OpenAI также сообщает, что ввел новые фильтры для блокирования определенных запросов на создание музыки или другого аудио, защищенного авторским правом.
Источник: TechCrunch
