OpenAI agora é capaz de reconhecimento de voz e imagem

OpenAI Is Now Capable of Voice and Image Recognition é perfilada pela BTW Media porque evidências publicadas a vinculam à infraestrutura da internet, governança, dependências operacionais ou visibilidade de mercado.

Crédito da imagem: Rawpixel via Freepik

A OpenAI introduziu uma série de melhorias revolucionárias, incluindo dois recursos de destaque: interação por voz e reconhecimento de imagem.

Literalmente Conversando com ChatGPT

Uma das atualizações mais significativas é a adição de interação por voz ao ChatGPT, que permite aos usuários participar de conversas faladas com a IA. Escolha entre cinco vozes sintéticas realistas, cada uma projetada para proporcionar uma experiência de conversa natural. É como ter uma conversa telefônica em tempo real com um chatbot, com o ChatGPT respondendo prontamente às suas perguntas faladas.

A tecnologia subjacente depende de dois modelos distintos. O Whisper da OpenAI, um modelo de fala para texto pré-existente, converte palavras faladas em texto, que é então alimentado ao ChatGPT. Por outro lado, um novo modelo de texto para fala transforma as respostas do ChatGPT em linguagem falada.

Durante uma demonstração recente, Joanne Jang, gerente de produto na OpenAI, mostrou a variedade de vozes sintéticas. Essas vozes foram meticulosamente criadas através do treinamento do modelo de texto para fala nas vozes de atores contratados. A OpenAI até imagina um futuro onde os usuários possam criar suas próprias vozes personalizadas. O principal critério para criar essas vozes foi garantir que fossem agradáveis e fáceis de ouvir.

Este avanço vai além do ChatGPT, já que a OpenAI está compartilhando seu modelo de texto para fala com outras empresas, incluindo o Spotify. O Spotify, por exemplo, está usando essa tecnologia de voz sintética para traduzir podcasts de celebridades para vários idiomas usando versões sintéticas das vozes dos podcasters.

Reconhecimento de Imagem Agora Possível

Outra adição inovadora ao ChatGPT é o reconhecimento de imagem. Esse recurso, que a OpenAI havia insinuado com o lançamento do GPT-4, agora permite que os usuários carreguem imagens no aplicativo e façam perguntas sobre o conteúdo dessas imagens. Isso significa que você pode fazer perguntas ao ChatGPT sobre conteúdo visual.

Em uma demonstração prática, Raul Puri, um cientista trabalhando no GPT-4, carregou uma foto de um problema de lição de matemática e pediu ao ChatGPT uma solução. Impressionantemente, o ChatGPT forneceu os passos corretos. Os usuários também usaram esse recurso para solucionar problemas técnicos, carregando capturas de tela e buscando orientação.

Além disso, a capacidade de reconhecimento de imagem do ChatGPT tem sido usada pelo Be My Eyes, um aplicativo projetado para ajudar pessoas com deficiência visual. Os usuários podem carregar imagens e pedir ao chatbot que as descreva, oferecendo um novo nível de independência.

No entanto, a OpenAI está ciente dos riscos potenciais dessas atualizações, especialmente ao combinar diferentes modelos de IA. Por exemplo, os usuários não podem perguntar sobre fotos que contenham indivíduos privados. A empresa reconhece a necessidade de vigilância na prevenção de uso indevido e está comprometida em proteger tanto os usuários quanto os não usuários de danos.

Desafios pela Frente para o ChatGPT

Essas atualizações marcam a rápida evolução dos modelos experimentais da OpenAI em produtos práticos. O ChatGPT Plus, a versão premium do aplicativo, combina GPT-4 e DALL-E, tornando-se um concorrente formidável para assistentes de voz como Siri, Google Assistente e Alexa. O que antes era acessível apenas a alguns desenvolvedores de software agora está disponível para todos por uma assinatura mensal de $20.

À medida que o ChatGPT expande suas capacidades para "ver, ouvir e falar", há desafios a considerar. O reconhecimento de voz pode representar problemas de acessibilidade para pessoas com sotaques não predominantes. Além disso, as vozes sintéticas carregam implicações sociais e culturais que exigem mais exploração.

A OpenAI, no entanto, afirma que abordou as principais preocupações e acredita que essas atualizações são seguras para lançamento. A jornada para refinar e expandir as capacidades da IA continua, com o ChatGPT liderando o caminho. Embora certamente haja desafios e questões a serem abordados, esta atualização mais recente representa um passo significativo em direção à criação de assistentes de IA mais poderosos e interativos.