Az elmúlt napokban az OpenAI olyan eseményeken ment keresztül, amikhez foghatót nem igazán szoktunk látni dollármilliárdokat érő technológiai vállalatoknál. A rendkívül kellemetlen helyzetet pedig a jelek szerint azzal próbálják csillapítani, hogy friss fejlesztéseket húznak elő a kalapból. Ez még talán működhet is, de az mindenképpen kétséges, hogy mennyire jó ötlet viccelni az aktuális szituációban.
Nagyon úgy fest, hogy az OpenAI marad Sam Altman vezetése alatt, annak ellenére, hogy mondhatni egy puccs keretei között pillanatok alatt eltávolították korábban a vezérigazgatói székből. Vele együtt visszatérhet Greg Brockman is, aki korábban az elnöki tisztséget töltötte be, és követte Altmant, mikor kirúgta az igazgatótanács a cég éléről. Egyelőre azonban még nincs friss szerződés az újabb átrendeződésekről, és az elmúlt napok eseményei tükrében azért még nem érdemes a jelenlegi helyzetet teljesen biztosnak venni.
Az azonban már garantált, hogy itt a ChatGPT Voice szolgáltatás, és ingyenesen elérhető minden felhasználó számára.
Az OpenAI folyamatosan dolgozik azon, hogy bővítse a lehetőségek tárházát a generatív MI platformja esetén. A mindenki számára elérhetővé váló ChatGPT Voice már azt is képes lesz kezelni, ha a felhasználó beszélgetni szeretne vele, nem pedig írkálni az üzeneteket, parancsokat, kérdéseket. Először szeptemberben hallottunk erről a fejlesztésről, de akkor még korai stádiumban volt, és kizárólag azok tudták kipróbálni akik előfizetők voltak. Ez azonban most változik, és már szélesebb körben hozzáférhető lesz.
A ChatGPT Voice révén újfajta módon lehet majd a generatív MI-vel kapcsolatot teremtenie a felhasználóknak. Nemcsak, hogy diktálhatják az emberek, amit közölni szeretnének a mesterséges intelligenciával, hanem a választ is beszéd formájában fogják megkapni. Az eddigi tapasztalatok pedig azt mutatják, hogy nagyon jól képezi a hangokat az OpenAI rendszere. Szinte egyáltalán nincs robot hatása, leginkább csak abból derülhet ki, hogy nem valódi személy van a vonal túlsó végén, hogy egy embernél sokkal sterilebben kommunikál a ChatGPT.
Az OpenAI direkt olyan anyagokkal tanította fel a szolgáltatást, ami segített neki a megfelelő hangformálás elsajátításában. Szinkronszínészektől származó felvételek széles kínálata állt rendelkezésre a tréning során. Ennek köszönhetően tudja a ChatGPT Voice a szavak mellett a hosszú mondatokban is konzisztensen jól vinni a hangsúlyt.
A fejlesztés a mobilos alkalmazásokban vehető igénybe. Az új lehetőséget úgy lehet kihasználni, hogy a szövegbeviteli mező mellett megjelenő fejhallgató ikont kell megérinteni. Ezt követően pedig ki lehet választani többféle “személyiséget”, hangot.
Azt nem tudni, hogy az OpenAI-nál kik felelnek a közösségi platformokon megjelenő tartalmakért, de az biztos, hogy az új funkció bejelentése azért nem biztos, hogy helyénvaló módon történt. Az X-en megjelent bejegyzésben ugyanis egy olyan példa jelent meg, melynek keretében azt kérdezi a felhasználó, hogy mennyi 40 centis pizzát kellene rendelni a fárasztó nap végén egy 778 tagú csapatnak. Ez egy rendkívül erős utalás arra, hogy nagyjából ennyi munkavállaló jelezte az OpenAI-nál, hogy felmondanak, ha az igazgatótanács nem mond le.
Viccekkel nagyon sok esetben lehet oldani a hangulatot, de vannak olyan helyzetek és témák, amikor egy poén talán túl korai. Ebben az esetben például nem biztos, hogy ez jót tett az egyébként is válságos helyzetbe került OpenAI-nak. Abban pedig biztosak lehetünk, hogy nem a vezetés hagyta jóvá ezt a fajta kommunikációt (jó eséllyel bosszús dolgozók "merényletéről" van szó).
A kérdésre egyébként válaszolt a mit sem sejtő ChatGPT Voice. Azt ebből a bemutatóból is lehet érzékelni, hogy az hang modell is kiválóan teljesít. Nemcsak, hogy megfelelő és összetett választ ad akár egészen komplex kérdésekre is a generatív MI, hanem még tovább is fűzi a beszélgetést. Plusz kérdéseket tesz fel, további interakcióra sarkallva a felhasználókat. Éppen olyan kellemes csevejbe lehet elegyedni a ChatGPT Voice-szal, mint amennyire hosszan lehet beszélgetni a ChatGPT-vel. Ugyanaz a rendszer áll a háttérben, a kontextusablak is azonos, így képes “emlékezni” menet közben a korábban elhangzottakra.
