DoNews9月25日消息，近日 OpenAI 宣布推出新版 ChatGPT，增加了兩項(xiàng)新功能：語(yǔ)音輸入和圖像輸入。據(jù) OpenAI 稱(chēng)，新功能將在未來(lái)兩周內(nèi)向 ChatGPT Plus 訂閱用戶(hù)推出，其他人也將“很快”能夠使用這些功能。
語(yǔ)音輸入功能類(lèi)似于手機(jī)上的語(yǔ)音助手，用戶(hù)只需按下一個(gè)按鈕，說(shuō)出自己的問(wèn)題，ChatGPT 就會(huì)將其轉(zhuǎn)換為文本，然后生成答案，再將答案轉(zhuǎn)換為語(yǔ)音，播放給用戶(hù)。
例如，讓ChatGPT聽(tīng)一段小貓咪的文本故事，然后選擇人類(lèi)語(yǔ)音便可以一鍵完成轉(zhuǎn)錄。完成后，用戶(hù)可以下載這段語(yǔ)音。
OpenAI 表示，這樣的交互方式更加自然和便捷，而且由于 LLM 的技術(shù)優(yōu)勢(shì)，答案的質(zhì)量也會(huì)更高。OpenAI 還開(kāi)發(fā)了一種新的文本轉(zhuǎn)語(yǔ)音模型，可以根據(jù)幾秒鐘的樣本語(yǔ)音，生成與之相似的人聲。用戶(hù)可以從五種選項(xiàng)中選擇 ChatGPT 的聲音，而且這種模型還有更多的潛在用途。
例如，OpenAI 正在與 Spotify 合作，將播客翻譯成其他語(yǔ)言，同時(shí)保留播客主持人的聲音。不過(guò)，這種模型也存在一些風(fēng)險(xiǎn)，比如可能被惡意利用來(lái)冒充公眾人物或進(jìn)行詐騙。因此，OpenAI 表示，這種模型不會(huì)被廣泛開(kāi)放，而是會(huì)受到嚴(yán)格的控制和限制。
圖像輸入功能則類(lèi)似于 Google Lens，用戶(hù)可以拍攝自己感興趣的事物，并上傳到 ChatGPT 中。ChatGPT 會(huì)嘗試識(shí)別用戶(hù)想要詢(xún)問(wèn)的內(nèi)容，并給出相應(yīng)的回答。用戶(hù)還可以用應(yīng)用中的繪圖工具來(lái)幫助表達(dá)自己的問(wèn)題，或者配合語(yǔ)音或文本輸入來(lái)進(jìn)行交流。
OpenAI還放出了一段視頻，是和ChatGPT商量著修自行車(chē)，不斷問(wèn) ChatGPT：這里是扳手嗎？是調(diào)整這里嗎？甚至還把說(shuō)明書(shū)拍照發(fā)給ChatGPT求解釋。
然后ChatGPT表示看你車(chē)的型號(hào)，有的車(chē)有快拆桿，有的是用螺栓固定，然后給出了詳細(xì)的步驟。
隨后官方又拍了一張工具箱的照片，問(wèn)ChatGPT到底是哪一個(gè)扳手。ChatGPT也順利地認(rèn)出了扳手，并準(zhǔn)確提示用戶(hù)到底要拿哪一個(gè)尺寸。
ChatGPT 的優(yōu)勢(shì)在于它可以進(jìn)行多輪對(duì)話(huà)，而不是一次性搜索。如果用戶(hù)對(duì)答案不滿(mǎn)意或想要更多信息，可以繼續(xù)向 ChatGPT 提問(wèn)，從而得到更準(zhǔn)確和全面的答案。當(dāng)然，圖像搜索也有一些潛在問(wèn)題。
例如，在處理人物圖片時(shí)，OpenAI 表示他們限制了 ChatGPT 對(duì)人物進(jìn)行分析和直接評(píng)價(jià)的能力，既為了保證準(zhǔn)確性，也為了保護(hù)隱私，這意味著上傳一個(gè)人的照片就能知道他 / 她是誰(shuí)還無(wú)法實(shí)現(xiàn)。
