OpenAI jetzt mit Sprach- und Bilderkennung

OpenAI Is Now Capable of Voice and Image Recognition wird von BTW Media profiliert, da öffentliche Evidenz auf Verbindungen zu Internet-Infrastruktur, Governance, betrieblichen Abhängigkeiten oder Marktpräsenz hinweist.

Bildnachweis: Rawpixel via Freepik

OpenAI hat eine Reihe revolutionärer Verbesserungen eingeführt, darunter zwei herausragende Funktionen: Sprachinteraktion und Bilderkennung.

Buchstäblich mit ChatGPT sprechen

Eine der wichtigsten Verbesserungen ist die Hinzufügung der Sprachinteraktion zu ChatGPT, die es Nutzern ermöglicht, gesprochene Gespräche mit der KI zu führen. Wählen Sie aus einer Auswahl von fünf realistischen synthetischen Stimmen, die jeweils ein natürliches Gesprächserlebnis bieten sollen. Es ist, als hätten Sie ein Echtzeit-Telefongespräch mit einem Chatbot, wobei ChatGPT schnell auf Ihre mündlichen Fragen antwortet.

Die zugrunde liegende Technologie basiert auf zwei verschiedenen Modellen. OpenAIs Whisper, ein bereits vorhandenes Spracherkennungsmodell, wandelt gesprochene Worte in Text um, der dann an ChatGPT weitergeleitet wird. Umgekehrt wandelt ein neues Sprachsynthese-Modell die Antworten von ChatGPT in gesprochene Sprache um.

Bei einer kürzlichen Demonstration präsentierte Joanne Jang, Produktmanagerin bei OpenAI, die Palette der synthetischen Stimmen. Diese Stimmen wurden sorgfältig entwickelt, indem das Sprachsynthese-Modell auf die Stimmen engagierter Schauspieler trainiert wurde. OpenAI stellt sich sogar eine Zukunft vor, in der Nutzer ihre eigenen personalisierten Stimmen erstellen können. Das Hauptkriterium bei der Erstellung dieser Stimmen war, sicherzustellen, dass sie angenehm und leicht anzuhören sind.

Dieser Fortschritt geht über ChatGPT hinaus, da OpenAI sein Sprachsynthese-Modell mit anderen Unternehmen teilt, darunter Spotify. Spotify nutzt diese synthetische Stimmtechnologie beispielsweise, um Promi-Podcasts in mehrere Sprachen zu übersetzen, wobei synthetische Versionen der Stimmen der Podcaster verwendet werden.

Bilderkennung jetzt möglich

Eine weitere bahnbrechende Ergänzung zu ChatGPT ist die Bilderkennung. Diese Funktion, die OpenAI mit der Einführung von GPT-4 angekündigt hatte, ermöglicht es Nutzern nun, Bilder in die App hochzuladen und nach dem Inhalt dieser Bilder zu fragen. Das bedeutet, dass Sie ChatGPT Fragen zu visuellen Inhalten stellen können.

In einer praktischen Demonstration lud Raul Puri, ein Wissenschaftler, der an GPT-4 arbeitet, ein Foto einer Mathematikaufgabe hoch und bat ChatGPT um eine Lösung. Beeindruckenderweise lieferte ChatGPT die korrekten Schritte. Nutzer haben diese Funktion auch genutzt, um technische Probleme zu lösen, indem sie Screenshots hochluden und um Rat fragten.

Darüber hinaus wurde die Bilderkennungsfunktion von ChatGPT von Be My Eyes genutzt, einer App, die entwickelt wurde, um Menschen mit Sehbehinderungen zu helfen. Nutzer können Bilder hochladen und den Chatbot bitten, sie zu beschreiben, was ein neues Maß an Unabhängigkeit bietet.

Allerdings ist sich OpenAI der potenziellen Risiken dieser Updates durchaus bewusst, insbesondere wenn verschiedene KI-Modelle kombiniert werden. Beispielsweise können Nutzer keine Fragen zu Fotos mit Privatpersonen stellen. Das Unternehmen erkennt die Notwendigkeit von Wachsamkeit, um Missbrauch zu vermeiden, und verpflichtet sich, sowohl Nutzer als auch Nicht-Nutzer vor Schaden zu schützen.

Herausforderungen für ChatGPT

Diese Updates markieren die rasche Entwicklung von OpenAIs experimentellen Modellen zu praktischen Produkten. ChatGPT Plus, die Premium-Version der App, kombiniert GPT-4 und DALL-E und macht es zu einem ernstzunehmenden Konkurrenten für Sprachassistenten wie Siri, Google Assistant und Alexa. Was einst nur bestimmten Softwareentwicklern zugänglich war, ist jetzt für alle für ein monatliches Abonnement von 20 $ verfügbar.

Während ChatGPT seine Fähigkeiten auf „Sehen, Hören und Sprechen“ erweitert, gibt es Herausforderungen zu berücksichtigen. Die Spracherkennung kann für Menschen mit nicht-traditionellen Akzenten Barrierefreiheitsprobleme darstellen. Zudem haben synthetische Stimmen soziale und kulturelle Auswirkungen, die eine weitere Untersuchung erfordern.

OpenAI gibt jedoch an, die Hauptbedenken ausgeräumt zu haben und hält diese Updates für sicher veröffentlichbar. Die Reise zur Verfeinerung und Erweiterung der KI-Fähigkeiten geht weiter, mit ChatGPT an der Spitze. Auch wenn es sicherlich Herausforderungen und Fragen zu klären gibt, stellt dieses jüngste Update einen wichtigen Schritt hin zur Schaffung leistungsfähigerer und interaktiver KI-Assistenten dar.