Βελτιωμένες δυνατότητες κειμένου και ήχου από το GPT-4o!

[Nagata]

Σημαντικές εξελίξεις φέρει το GPT-4o (“o” για “omni”) όσον αφορά τη δημιουργία περιεχομένου κειμένου, φωνής και εικόνας με αποτέλεσμα να προσφέρει μια πιο φυσική αλληλεπίδραση, μεταξύ των χρηστών και της τεχνητής νοημοσύνης.

Για να είναι όλα πιο εύκολα ανιληπτά, η OpenAI ανέφερε απλώς ότι το νέο της μοντέλο τεχνητής νοημοσύνης, μπορεί να ανταποκριθεί σε εισόδους ήχου σε μόλις 232 χιλιοστά του δευτερολέπτου και είναι σημαντικά ταχύτερο στην απόκριση κειμένου σε μη αγγλικά μηνύματα με υποστήριξη για περισσότερες από 50 γλώσσες! Μπορείτε επίσης να διακόψετε το μοντέλο με νέες ερωτήσεις ή διευκρινίσεις, ενώ εκείνο μιλάει.

Τώρα το μοντέλο γλώσσα GPT-4o διαθέτει επίσης έναν πιο ικανό βοηθό φωνής που ακούγεται στον άνθρωπο που ανταποκρίνεται σε πραγματικό χρόνο και μπορεί να παρατηρήσει το περιβάλλον γύρω σας, μέσω της κάμερας της συσκευής σας. Μπορείτε ακόμη να πείτε στον βοηθό να ακούγεται πιο χαρούμενος ή να επιστρέψει σε μια φωνή με πιο ρομποτικό ήχο. Λαμβάνετε επίσης μεταφράσεις σε πραγματικό χρόνο σε περισσότερες από 50 γλώσσες και μπορεί να λειτουργήσει ως βοηθός προσβασιμότητας, για άτομα με προβλήματα όρασης.

Ταυτόχρονα βλέπουμε το OpenAI να παρουσιάσει μια μακρά λίστα με τις δυνατότητες του GPT-4o στη live streaming ροή του. Μπορείτε να παρακολουθήσετε όλες τις νέες επιδείξεις δυνατοτήτων GPT-4o στο κανάλι YouTube του OpenAI.

Το GPT-4o θα είναι διαθέσιμο για τους χρήστες του δωρεάν πακέτου του ChatGPT, ενώ εκείνοι στο ChatGPT Plus λαμβάνουν 5 φορές υψηλότερα όρια μηνυμάτων. Οι λειτουργίες κειμένου και εικόνας του GPT-4o είναι ήδη διαθέσιμες στην εφαρμογή ChatGPT και στο Web. Η νέα λειτουργία φωνής θα είναι διαθέσιμη σε λειτουργία άλφα για το ChatGPT Plus τις επόμενες εβδομάδες.

[via]

back to the Article