開(kāi)口說(shuō)話(huà)、裝上“眼睛”，多模態(tài)ChatGPT來(lái)了。
周一，OpenAI在官網(wǎng)宣布，將在未來(lái)兩周內(nèi)面向Plus和企業(yè)用戶(hù)推出ChatGPT的語(yǔ)音和圖像功能，上述功能允許用戶(hù)進(jìn)行語(yǔ)音對(duì)話(huà)或向ChatGPT展示圖片。
(資料圖)
語(yǔ)音功能方面，ChatGPT可以用語(yǔ)音來(lái)回答問(wèn)題和命令，與蘋(píng)果的Siri等C端個(gè)人助理形成直接競(jìng)爭(zhēng)。此外，ChatGPT將有五種不同的語(yǔ)音供用戶(hù)選擇，同時(shí)支持語(yǔ)音音頻生成文本、將播客語(yǔ)音翻譯成其他語(yǔ)言等功能。
圖像功能方面，用戶(hù)提交圖片并詢(xún)問(wèn)相關(guān)問(wèn)題，ChatGPT可以根據(jù)圖片回答或給出建議。據(jù)悉，語(yǔ)音功能將在iOS和Android平臺(tái)推出，圖像功能將登陸所有平臺(tái)。
開(kāi)口說(shuō)話(huà)、5種不同語(yǔ)音
OpenAI升級(jí)了用戶(hù)與ChatGPT的交互方式，用戶(hù)不僅可以通過(guò)在文本框中輸入句子，還可以通過(guò)大聲說(shuō)話(huà)來(lái)提示聊天機(jī)器人。
這一功能并不陌生，類(lèi)似于與谷歌助手交談，只是OpenAI希望，由于底層技術(shù)的改進(jìn)，答案會(huì)更好。目前，大多數(shù)虛擬助手都在依靠大模型進(jìn)行重建，OpenAI 只是走在了前面。
OpenAI 于今年 5 月發(fā)布了 ChatGPT 應(yīng)用程序，并已經(jīng)提供了語(yǔ)音轉(zhuǎn)文本功能。增加語(yǔ)音回復(fù)功能可以讓用戶(hù)感覺(jué)在進(jìn)行更人性化的對(duì)話(huà)。該公司希望這項(xiàng)新功能能鼓勵(lì)用戶(hù)隨時(shí)隨地使用其移動(dòng)應(yīng)用，并與谷歌的 Assistant、蘋(píng)果的 Siri或 亞馬遜的 Alexa 等個(gè)人助理產(chǎn)品形成直接的競(jìng)爭(zhēng)。
OpenAI正在推出一種新的文本轉(zhuǎn)語(yǔ)音模型，并稱(chēng)它可以“通過(guò)文本和幾秒鐘的語(yǔ)音樣本生成類(lèi)似人類(lèi)的音頻”，用戶(hù)可以從五個(gè)選項(xiàng)中選擇 ChatGPT 的聲音，但 OpenAI 似乎認(rèn)為該模型的潛力遠(yuǎn)不止于此。例如，OpenAI 正在與 Spotify 合作，將播客翻譯成其他語(yǔ)言，同時(shí)保持播客的聲音。合成語(yǔ)音有很多有趣的用途，OpenAI 可能會(huì)成為這一行業(yè)的重要組成部分。
裝上“眼睛”、看懂圖片
該公司還表示，付費(fèi)用戶(hù)和企業(yè)用戶(hù)將可以使用圖片功能，圖片搜索有點(diǎn)像谷歌 Lens，只需拍下感興趣的照片，ChatGPT 就會(huì)找出問(wèn)題所在，并做出相應(yīng)的回應(yīng)。
例如，用戶(hù)可以上傳一張粉色太陽(yáng)鏡的圖片，并要求聊天機(jī)器人推薦與之搭配的服裝，或者提交一張數(shù)學(xué)問(wèn)題的圖片，并請(qǐng)求幫助解決。
分析指出，自從 2022 年初推出 ChatGPT 以來(lái)，OpenAI 一直在努力為其機(jī)器人增加更多功能和能力，同時(shí)避免造成新的問(wèn)題出現(xiàn)。通過(guò)這次更新，該公司試圖在這條界線上尋找平衡點(diǎn)，通過(guò)有意識(shí)地限制其新模型能做什么來(lái)實(shí)現(xiàn)這一目標(biāo)。
但是這種方法并不是長(zhǎng)久之計(jì)，隨著越來(lái)越多的人使用語(yǔ)音控制和圖像搜索，以及 ChatGPT 逐漸成為一個(gè)真正的多模態(tài)、實(shí)用的虛擬助手，要保持安全和合理的邊界會(huì)變得越來(lái)越困難。
ChatGPT要成為“超級(jí)助理”
這次升級(jí)無(wú)疑令ChatGPT距離“超級(jí)助理”更進(jìn)了一步，同時(shí)與下游軟件的競(jìng)爭(zhēng)也更加激烈。
此前文章指出，OpenAI首席執(zhí)行官Sam Altman私下告訴開(kāi)發(fā)者，公司希望將ChatGPT打造成“超級(jí)智能個(gè)人工作助理”，使其可以根據(jù)個(gè)人及工作需求執(zhí)行多種任務(wù)，如按照用戶(hù)的風(fēng)格起草郵件或文件，提供相關(guān)業(yè)務(wù)的最新信息。
分析指出，微軟和OpenAI均能向需要構(gòu)建AI能力的 B 端客戶(hù)提供技術(shù)服務(wù)，兩者之間存在著直接的業(yè)務(wù)沖突；而從長(zhǎng)期來(lái)看，如果OpenAI加速布局面向個(gè)人及企業(yè)的軟件，ChatGPT未來(lái)很有可能將重塑C端應(yīng)用生態(tài)，或許兩者的“關(guān)系破裂”是早晚的事情。
關(guān)鍵詞：
