ChatGPT udvikler sig: Får stemmestyring og billedkommandoer

OpenAIs populære AI-chatbot, ChatGPT, får en opgradering, der udvider dens funktioner ud over tekstbaserede interaktioner. Brugeren vil nu have mulighed for at interagere med ChatGPT ved hjælp af stemmekommandoer og upload af billeder. Disse forbedringer rulles ud til ChatGPT-abonnenter inden for de næste to uger. Og bliver tilgængelig for alle andre brugere snart efter.

Med stemmekommandoer kan brugeren simpelthen sige sit spørgsmål højt, og ChatGPT vil konvertere tale til tekst, behandle forespørgslen og svare med en menneskelignende stemme. OpenAI har investeret i sin Whisper-model til tale-til-tekst-funktioner og introduceret en ny tekst-til-tale-model for at muliggøre naturlig lydgenerering fra tekstindtastninger. Brugere vil have mulighed for at vælge mellem fem forskellige stemmer for ChatGPT.

På den anden side giver funktionen for billedkommandoer brugeren mulighed for at uploade billeder, meget lig Google Lens. ChatGPT vil analysere billedet og besvare forespørgsler relateret til det visuelle indhold. Brugeren kan også bruge et tegneværktøj eller skrive/tale yderligere spørgsmål for at give kontekst for billedbaserede forespørgsler. Denne multimodale tilgang skal muliggøre en mere interaktiv og dynamisk samtale med den kunstige intelligens.

Mens disse nye funktioner udvider ChatGPT’s evner, anerkender OpenAI de potentielle risici, der er forbundet med syntetisk tale og billedgenkendelsesteknologier, forsikrer firmaet. Ondsindede aktører kan potentielt misbruge disse funktioner til efterligning eller svindel.

ChatGPT can now see, hear, and speak. Rolling out over next two weeks, Plus users will be able to have voice conversations with ChatGPT (iOS & Android) and to include images in conversations (all platforms). https://t.co/uNZjgbR5Bm pic.twitter.com/paG0hMshXb

Annonce

— OpenAI (@OpenAI) September 25, 2023

Således kommer f.eks. funktionen for billedgenkendelse med visse begrænsninger for at beskytte privatlivet. ChatGPT har bl.a. begrænset evne til at analysere og fremsætte direkte udtalelser om enkeltpersoner for at undgå misbrug.

Peter Gotschalk

(f. 1973): Chefredaktør for L&B Home. Peter har arbejdet for Lyd & Billede siden 2012. Han har været aktiv som tech-journalist for talrige medier siden 1998, bl.a. som chefredaktør for gadget-magasinet GEAR og som journalist for magasinerne PC World og Privat Computer. Peter skriver om smartphones og andre bærbare enheder samt om teknologisk innovation, herunder 5G, elektronisk mobilitet og smarte hjem.