9月26日消息，據(jù)外媒報道，當?shù)貢r間周一，美國人工智能研究公司OpenAI宣布，其AI聊天機器人工具ChatGPT現(xiàn)在可以“看、聽、說”，這暗指這款廣受歡迎的聊天機器人可以同時接收圖像和語音輸入，并通過語音進行回復。
ChatGPT是OpenAI于2022年11月30日推出的一種新型AI聊天機器人工具，可根據(jù)用戶的要求快速生成文章、故事、歌詞、散文、笑話，甚至代碼，并回答各類疑問。
當?shù)貢r間周一，OpenAI表示，將開始在ChatGPT中推出新的語音和圖像功能，新功能將于未來兩周內(nèi)面向Plus和企業(yè)用戶推出。
該公司表示，新功能允許用戶進行語音對話或向ChatGPT展示其正在談論的內(nèi)容。其中，語音功能將在iOS和Android平臺上推出，而圖像功能將在所有平臺上推出。不過，該公司將逐步部署語音和圖像功能。
在語音方面，新功能允許用戶進行語音對話，提供更直觀的交互方式。該功能由一個新的文本轉(zhuǎn)語音模型提供支持，能夠通過文本和幾秒鐘的語音樣本生成類似人類的音頻，且與專業(yè)配音演員合作，提供5種可供用戶自行選擇的聲音。此外，該功能還能使用開源語音識別系統(tǒng)Whisper，將用戶說的話轉(zhuǎn)錄成文本。
外媒報道稱，語音輸入和輸出功能使ChatGPT具有與亞馬遜Alexa等語音助手相同的功能。
在圖像方面，新功能允許用戶上傳圖像與ChatGPT交互，且支持上傳多張圖像。如果要聚焦圖像的特定部分，可以使用移動應用中的繪圖工具。
OpenAI表示，圖像理解由多模態(tài)GPT-3.5和GPT-4提供支持。這些模型將語言推理能力應用于各種圖像，如照片、屏幕截圖以及包含文字和圖像的文檔。
據(jù)悉，GPT-4是OpenAI在今年3月14日推出的最新一代大型語言模型。它是一個多模態(tài)大型語言模型，支持圖像和文本輸入，以文本形式輸出；擴寫能力增強，能處理超過25000個單詞的文本；更具創(chuàng)造力，并且能夠處理更細微的指令。（小狐貍）
（免責聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。
任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權或存在不實內(nèi)容時，應及時向本網(wǎng)站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內(nèi)容或斷開相關鏈接。 ）
