حالا دیگر GPT-4o میتواند علاوه بر متن، صدا و عکس را تحلیل کند و به صورت بیدرنگ چت صوتی کند
پلتفرم ChatGPT نسخه جدید GPT-4o را که دیشب رونمایی شد، بسیار تعاملیتر کرده. با این ارتقا، تصویر و یا متن هم میتواند تجزیه و تحلیل شود و چت صوتی با حالتی بسیار شبیه به گفتگو با یک انسان با آن انجام شود.
GPT-4o دوشنبه (13 مه) در یک رویداد آنلاین رونمایی شد. میرا موراتی، مدیر ارشد فناوری OpenAI آن را معرفی کرد و از آن به عنوان “گامی به سوی تعامل طبیعیتر انسان و کامپیوتر” یاد کرد. o در نام آن مخفف “omni” یا همه چیز است.
حالا دیگر کاربران سرویس رایگان، سرعتی به اندازه نسخه پولی GPT-4 Turbo را پردازش متن و ورودی کد تجربه میکنند. در API چت جی پی تی بسیار سریعتر و 50 درصد ارزانتر شده (یعنی با هزینه کمتری میشود برنامههای متفرقه ثالث با محوریت ChatGPT نوشت.)
کاربران با یک فرمان صوتی ساده “Hey, ChatGPT” میتوانند شروع کنند و پاسخ گفتاری دریافت می کنند. کاربران میتواتند با استفاده از زبان گفتاری ساده، یا متن، صدای الحاقی و تصاویر هم با ChatGPT ارتباط برقرار کنند. حتی میشود یک فید زنده از دوربین گوشی برای ChatGPT فرستاد.
هنگام برقراری ارتباط با صدا، هوش مصنوعی به طور متوسط با تاخیر ناچیز 320 میلیثانیه پاسخ میدهد، یعنی زمان مشابه زمان پاسخ انسان در مکالمه معمولی و روتین. علاوه بر این، سیستم ChatGPT در حال حاضر به بیش از 50 زبان مسلط است.
فعلا پاسخهای صوتی محترمانه هستند و نمیتوانند سناریوهایی مانند پاسخهای HAL 9000 در دنیای علمی تخیلی را در ذهن ما زنده کنند.
چیز دیگری که در رویداد نمایش داد، توانایی نسخه آزمایشی GPT-4o، به عنوان مترجم ایتالیایی-انگلیسی بود. این نسخه حتی توانست پرسش معادله جبر، آن هم به صورت دست نویس را متوجه شود و حل کند. تجزیه و تحلیل بخشهای انتخابی کدهای برنامهنویسی و حتی تبلیغ یک داستان رباتیک، از نکات دیگر رونمایی دیشب بودند.
GPT-4o در حال حاضر برای استفاده عمومی در دسترس است. (به تدریج برای همه فعال خواهد شد) ویژگی های بیشتری قرار است طی چند هفته آینده اعلام شود.
مطالب مرتبط
