OpenAI обяви, че отлага пускането на дългоочакваните усъвършенствани гласови възможности на ChatGPT, или по-конкретно така нар. „Voice Mode“ (Гласов режим), който предизвика огромно вълнение сред милионите потребители на чатбота, но и заплаха от съдебно дело от страна на актрисата Скарлет Йохансон, която заяви, че компанията е копирала гласа ѝ.
„Voice Mode“ беше демонстриран за първи път през май по време на събитие в централата на OpenAI в Сан Франциско, с обещанието да бъде пуснат през „следващите седмици“. Заедно с него, компанията пусна и последния си мултимодален модел – GPT-4o, който вече е наличен за всички потребители на ChatGPT. Този модел е в основата на новия гласов режим, който в демонстрациите, представени от OpenAI, реагира почти мигновено, може да регулира емоционалния си тон и дори да улавя емоциите на потребителите въз основа на техния глас или излъчване.
Live demo of GPT-4o realtime conversational speech pic.twitter.com/FON78LxAPL
— OpenAI (@OpenAI) May 13, 2024
Live audience request for GPT-4o vision capabilities pic.twitter.com/FPRXpZ2I9N
— OpenAI (@OpenAI) May 13, 2024
Като основна причина за отлагането OpenAI посочва необходимостта от „допълнителни тестове и подобрения на безопасността“, като например „подобряване на способността на модела да открива и отказва определено съдържание“. „Работим по подобряване на потребителското изживяване и подготвяме инфраструктурата си за мащабиране до милиони потребители, като същевременно поддържаме реакциите в реално време,“ заявиха от компанията в изявление.
OpenAI планира да предостави достъп до гласовия режим на всички клиенти на ChatGPT Plus през есента, като уточняват, че „точните срокове зависят от изпълнението на високите им изисквания за безопасност и надеждност“.
Компанията работи и върху нови възможности за видео и споделяне на екрана, които ще бъдат пуснати отделно.
Math problems with GPT-4o and @khanacademy pic.twitter.com/RfKaYx5pTJ
— OpenAI (@OpenAI) May 13, 2024
Последвайте ни в социалните мрежи – Facebook, Instagram, X и LinkedIn!