ChatGPT har nu evnen til at se, høre og tale. I løbet af de næste to uger vil Plus-brugere kunne have stemmesamtaler med ChatGPT (iOS & Android) og inkludere billeder i samtaler (alle platforme).
— OpenAI (@OpenAI) 25. september, 2023
OpenAI har introduceret nye funktioner til ChatGPT, der åbner op for interaktion med assistenten via stemme og billeder. Disse nye muligheder skaber en mere brugervenlig grænseflade, hvor du kan indgå i en stemmesamtale eller præsentere ChatGPT for billeder for bedre at illustrere dine hensigter.
Stemmefunktioner
Du kan nu engagere dig i en tilbagevendende stemmesamtale med ChatGPT.
Stemmefunktionaliteten vil være tilgængelig på iOS og Android.
Drevet af en ny tekst-til-tale-model kan ChatGPT generere menneskelignende lyd.
Brugere kan vælge mellem fem forskellige stemmeindstillinger.
Billedfunktioner
Brugere kan vise ChatGPT billeder til en bred vifte af opgaver, som fejlfinding eller måltidsplanlægning.
Billedforståelse er drevet af multimodal GPT-3.5 og GPT-4.
Der er tilgængeligt et tegneværktøj til at specificere interesseområder inden for et billede.
Udrulning og tilgængelighed
I starten vil disse funktioner være tilgængelige for Plus og Enterprise-brugere i løbet af de næste to uger.
Stemme- og billedfunktioner vil være tilgængelige på alle platforme.
Andre detaljer
OpenAI har truffet foranstaltninger til at mindske risici forbundet med stemme-imitation og billedfortolkning.
Tekniske sikkerhedsforanstaltninger er blevet indført for at respektere enkeltpersoners privatliv.
OpenAI arbejder også sammen med Spotify om en stemmeoversættelsesfunktion til podcasts.
Begrænsninger inkluderer dårlig ydeevne ved transskribering af nogle ikke-engelske sprog, og OpenAI råder imod at bruge det til højrisikoapplikationer uden verifikation.