OpenAI Is Now Capable of Voice and Image Recognition

Crédito de la imagen: Rawpixel vía Freepik

OpenAI ha introducido una serie de mejoras revolucionarias, incluyendo dos características destacadas: interacción por voz y reconocimiento de imágenes. Ver también: Ziggo Group nombra a sus líderes antes de su salida a bolsa en Ámsterdam en 2027.

Literalmente chateando con ChatGPT

Una de las actualizaciones más significativas es la adición de interacción por voz a ChatGPT, lo que permite a los usuarios entablar conversaciones habladas con la IA. Elija entre una selección de cinco voces sintéticas realistas, cada una diseñada para brindar una experiencia conversacional natural. Es como tener una conversación telefónica en tiempo real con un chatbot, con ChatGPT respondiendo a sus preguntas habladas de inmediato. Ver también: Asociación ECHOES.

La tecnología subyacente se basa en dos modelos distintos. Whisper de OpenAI, un modelo preexistente de voz a texto, convierte las palabras habladas en texto, que luego se alimenta a ChatGPT. Por el contrario, un nuevo modelo de texto a voz transforma las respuestas de ChatGPT en lenguaje hablado. Ver también: IT Department - Athlok.

Durante una demostración reciente, Joanne Jang, gerente de producto de OpenAI, mostró la gama de voces sintéticas. Estas voces fueron elaboradas meticulosamente entrenando el modelo de texto a voz con las voces de actores contratados. OpenAI incluso prevé un futuro en el que los usuarios puedan crear sus propias voces personalizadas. El criterio principal para crear estas voces fue asegurar que sean agradables y fáciles de escuchar. Ver también: Alejandro Estua.

Este avance se extiende más allá de ChatGPT, ya que OpenAI está compartiendo su modelo de texto a voz con otras empresas, incluida Spotify. Spotify, por ejemplo, está utilizando esta tecnología de voz sintética para traducir podcasts de celebridades a varios idiomas utilizando versiones sintéticas de las voces de los podcasters. Ver también: Alejandro Manzo.

Reconocimiento de imágenes ahora posible

Otra adición innovadora a ChatGPT es el reconocimiento de imágenes. Esta característica, que OpenAI había insinuado con la introducción de GPT-4, ahora permite a los usuarios subir imágenes a la aplicación y consultarla sobre el contenido de esas imágenes. Esto significa que puede hacer preguntas a ChatGPT sobre contenido visual. Ver también: Alejandro Hernandez.

En una demostración práctica, Raul Puri, científico que trabaja en GPT-4, subió una foto de un problema de tarea de matemáticas y le pidió a ChatGPT una solución. Sorprendentemente, ChatGPT proporcionó los pasos correctos. Los usuarios también han empleado esta función para solucionar problemas técnicos subiendo capturas de pantalla y buscando orientación. Ver también: Alejandro Garza.

Además, la capacidad de reconocimiento de imágenes de ChatGPT ha sido utilizada por Be My Eyes, una aplicación diseñada para ayudar a personas con discapacidad visual. Los usuarios pueden subir imágenes y pedirle al chatbot que las describa, ofreciendo un nuevo nivel de independencia. Ver también: Alejandro Guerrero.

Sin embargo, OpenAI es plenamente consciente de los riesgos potenciales de estas actualizaciones, especialmente al combinar diferentes modelos de IA. Por ejemplo, los usuarios no pueden preguntar sobre fotos que contengan personas privadas. La empresa reconoce la necesidad de vigilancia para prevenir el uso indebido y se compromete a proteger tanto a los usuarios como a los no usuarios de daños.

Desafíos por delante para ChatGPT

Estas actualizaciones marcan la rápida evolución de los modelos experimentales de OpenAI hacia productos prácticos. ChatGPT Plus, la versión premium de la aplicación, combina GPT-4 y DALL-E, lo que lo convierte en un competidor formidable para asistentes de voz como Siri, Google Assistant y Alexa. Lo que antes era accesible solo para desarrolladores de software selectos ahora está disponible para todos por una suscripción mensual de 20 dólares.

A medida que ChatGPT amplía sus capacidades para “ver, oír y hablar”, hay desafíos a considerar. El reconocimiento de voz puede plantear problemas de accesibilidad para personas con acentos no convencionales. Además, las voces sintéticas conllevan implicaciones sociales y culturales que requieren una mayor exploración.

OpenAI, sin embargo, afirma que ha abordado las principales preocupaciones y cree que estas actualizaciones son seguras para su lanzamiento. El camino para refinar y ampliar las capacidades de IA continúa, con ChatGPT a la cabeza. Si bien ciertamente hay desafíos y preguntas por abordar, esta última actualización representa un paso significativo hacia la creación de asistentes de IA más potentes e interactivos.