OpenAI Is Now Capable of Voice and Image Recognition

Crédit image: Rawpixel via Freepik

OpenAI a introduit une série d'améliorations révolutionnaires, notamment deux fonctionnalités phares: l'interaction vocale et la reconnaissance d'images. Voir aussi: Ziggo Group nomme ses dirigeants avant l'introduction en Bourse à Amsterdam en 2027.

Discuter littéralement avec ChatGPT

L'une des mises à niveau les plus significatives est l'ajout de l'interaction vocale à ChatGPT, permettant aux utilisateurs de parler avec l'IA. Choisissez parmi une sélection de cinq voix synthétiques réalistes, chacune conçue pour offrir une expérience conversationnelle naturelle. C'est comme avoir une conversation téléphonique en temps réel avec un chatbot, ChatGPT répondant rapidement à vos questions orales. Voir aussi: Association ECHOES.

La technologie sous-jacente repose sur deux modèles distincts. Whisper d'OpenAI, un modèle de reconnaissance vocale préexistant, convertit les mots prononcés en texte, qui est ensuite transmis à ChatGPT. En sens inverse, un nouveau modèle de synthèse vocale transforme les réponses de ChatGPT en langage parlé. Voir aussi: Département IT - Athlok.

Lors d'une récente démonstration, Joanne Jang, cheffe de produit chez OpenAI, a présenté la gamme de voix synthétiques. Ces voix ont été méticuleusement conçues en entraînant le modèle de synthèse vocale sur les voix d'acteurs professionnels. OpenAI envisage même un avenir où les utilisateurs pourront créer leurs propres voix personnalisées. Le critère principal pour la création de ces voix était de s'assurer qu'elles soient agréables et faciles à écouter. Voir aussi: Alejandro Estua.

Cette avancée va au-delà de ChatGPT, car OpenAI partage son modèle de synthèse vocale avec d'autres entreprises, dont Spotify. Spotify, par exemple, utilise cette technologie de voix synthétique pour traduire des podcasts de célébrités dans plusieurs langues en utilisant des versions synthétiques des voix des podcasteurs. Voir aussi: Alejandro Manzo.

La reconnaissance d'images désormais possible

Un autre ajout révolutionnaire à ChatGPT est la reconnaissance d'images. Cette fonctionnalité, qu'OpenAI avait annoncée avec l'introduction de GPT-4, permet désormais aux utilisateurs de télécharger des images dans l'application et de l'interroger sur leur contenu. Cela signifie que vous pouvez poser des questions à ChatGPT sur du contenu visuel. Voir aussi: Alejandro Hernandez.

Lors d'une démonstration pratique, Raul Puri, un scientifique travaillant sur GPT-4, a téléchargé une photo d'un problème de devoirs de mathématiques et a demandé une solution à ChatGPT. De manière impressionnante, ChatGPT a fourni les étapes correctes. Les utilisateurs ont également utilisé cette fonctionnalité pour résoudre des problèmes techniques en téléchargeant des captures d'écran et en demandant des conseils. Voir aussi: Alejandro Garza.

De plus, la capacité de reconnaissance d'images de ChatGPT a été utilisée par Be My Eyes, une application conçue pour aider les personnes malvoyantes. Les utilisateurs peuvent télécharger des images et demander au chatbot de les décrire, offrant ainsi un nouveau niveau d'indépendance. Voir aussi: Alejandro Guerrero.

Cependant, OpenAI est parfaitement consciente des risques potentiels de ces mises à jour, en particulier lors de la combinaison de différents modèles d'IA. Par exemple, les utilisateurs ne peuvent pas poser de questions sur des photos contenant des personnes privées. L'entreprise reconnaît la nécessité d'être vigilante pour prévenir les abus et s'engage à protéger à la fois les utilisateurs et les non-utilisateurs contre tout préjudice.

Les défis à venir pour ChatGPT

Ces mises à jour marquent l'évolution rapide des modèles expérimentaux d'OpenAI en produits pratiques. ChatGPT Plus, la version premium de l'application, combine GPT-4 et DALL-E, ce qui en fait un concurrent redoutable pour les assistants vocaux comme Siri, Google Assistant et Alexa. Ce qui était autrefois accessible uniquement à certains développeurs de logiciels est désormais disponible pour tous moyennant un abonnement mensuel de 20 $.

Alors que ChatGPT étend ses capacités à « voir, entendre et parler », il y a des défis à prendre en compte. La reconnaissance vocale peut poser des problèmes d'accessibilité pour les personnes ayant des accents non standard. De plus, les voix synthétiques ont des implications sociales et culturelles qui nécessitent une exploration plus approfondie.

OpenAI affirme toutefois avoir répondu aux principales préoccupations et estime que ces mises à jour peuvent être déployées en toute sécurité. Le voyage pour affiner et étendre les capacités de l'IA se poursuit, avec ChatGPT en tête. Bien qu'il y ait certainement des défis et des questions à résoudre, cette dernière mise à jour représente une étape importante vers la création d'assistants IA plus puissants et interactifs.