ChatGPT重磅更新:新增語音和圖像功能 可以看、聽、說

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。 )

贊助商
2023-09-26
ChatGPT重磅更新:新增語音和圖像功能 可以看、聽、說
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。

長按掃碼 閱讀全文