OpenAI випускає гіперреалістичний голос ChatGPT

OpenAI почав розгортати розширений голосовий режим ChatGPT, надаючи користувачам перший доступ до гіперреалістичних аудіовідповідей GPT-4o . Альфа-версія буде доступна для невеликої групи користувачів ChatGPT Plus сьогодні, і OpenAI каже, що ця функція буде поступово розгорнута для всіх користувачів Plus восени 2024 року.

Коли OpenAI вперше продемонстрував голос GPT-4o у травні, ця функція шокувала аудиторію швидкими відповідями та дивовижною схожістю голосу реальної людини – зокрема одного. Голос Скай був схожий на голос Скарлетт Йоханссон, актриси, яка виконувала роль штучного помічника у фільмі «Вона».

Можливо, ви вже випробували голосовий режим, який зараз доступний у ChatGPT, але OpenAI каже, що розширений голосовий режим інший. Старе рішення ChatGPT для аудіо використовувало три окремі моделі: одну для перетворення вашого голосу на текст, GPT-4 для обробки ваших підказок і третю для перетворення тексту ChatGPT на голос.

Але GPT-4o є мультимодальним, здатним обробляти ці завдання без допомоги допоміжних моделей, створюючи розмови зі значно меншою затримкою. OpenAI також стверджує, що GPT-4o може відчувати емоційні інтонації у вашому голосі, включаючи смуток, хвилювання або спів.

OpenAI каже, що випускає новий голос ChatGPT поступово, щоб уважно стежити за його використанням.

За кілька місяців після демонстрації OpenAI компанія заявляє, що тестувала голосові можливості GPT-4o з більш ніж 100 зовнішніми червоними командами, які розмовляють 45 різними мовами. OpenAI каже, що звіт про ці заходи безпеки буде опубліковано на початку серпня.

Компанія каже, що Advanced Voice Mode буде обмежено чотирма попередньо встановленими голосами ChatGPT – Juniper, Breeze, Cove і Ember – створеними у співпраці з платними акторами голосу. Голос Sky, показаний у травневій демонстрації OpenAI, більше не доступний у ChatGPT.

OpenAI також повідомляє, що запровадив нові фільтри для блокування певних запитів на створення музики чи іншого аудіо, захищеного авторським правом.