Штучний інтелект ChatGPT навчиться приймати голосові повідомлення і відповідати голосом

Технологічний стартап Ope­nAI розширює варіанти взаємодії з Chat­G­PT. Нова версія чат-бота тепер приймає як підказки не лише текст, але й зображення та голосові команди. Для користувачів преміум-підписки нові можливості стануть доступні у найближчі два тижні, іншим користувачам доведеться зачекати.

В Ope­nAI заявили: завдяки покращеній базовій технології чат-боа, якість відповідей Chat­G­PT стане значно вищою. Як це працюватиме: користувач натискає кнопку і промовляє запитання, Chat­G­PT перетворює його на текст і передає у велику мовну модель, отримує відповідь, перетворює її назад на мовлення і дає фідбек вголос.

Нові можливості Chat­G­PT спираються на велику мовну модель Whis­per, яка виконує значну частину роботи з перетворення мови в текст і назад. За твердженням Ope­nAI, нова модель може генерувати “людський голос із тексту і зразка мови тривалістю у кілька секунд”. Наразі доступно п’ять варіантів голосу для Chat­G­PT, але Ope­nAI вбачає у цій моделі набагато більший потенціал.

Можливість створити синтезований голос будь-якої людини, спираючись лише на кілька секунд її мови, дає широке поле діяльності для кіберзлочинців, визнає Ope­nAI в анонсі нового функціоналу чат-бота: “Це нові ризики, як-от можливість зловмисників видати себе за громадських діячів або вчинити шахрайство”. За твердженням компанії, ШІ недоступний для широкого використання саме з цієї причини — Ope­nAI планує обмежити модель конкретними варіантами використання і партнерськими угодами.