Η OpenAI φέρνει φωνητικές λειτουργίες πράκτορα στην εφαρμογή ChatGPT

Η OpenAI ξεκίνησε την Τετάρτη τη διάθεση μιας σειράς αναβαθμίσεων στο ChatGPT Voice, συνδέοντας τη διεπαφή ομιλίας της με μοντέλα GPT-6, πρόσθετα τρίτων και τη λειτουργία Work της εταιρείας σε κινητά και web. Πρόκειται για μια κίνηση που μετατρέπει τις φωνητικές συνομιλίες σε εφαλτήριο για εργασίες πολλαπλών βημάτων, όπως η σύνταξη εγγράφων, η διαχείριση ημερολογίων και η περιήγηση στο διαδίκτυο.

Η φωνή συναντά την εργασία με πράκτορες

Η ενημέρωση συνδέει το μοντέλο φωνής πραγματικού χρόνου της OpenAI, GPT-Live, με μοντέλα AI που μπορούν να χειρίζονται προγράμματα περιήγησης και συνδεδεμένες εφαρμογές, επεκτείνοντας δυνατότητες που περιορίζονταν προηγουμένως στην εφαρμογή για υπολογιστές. Οι συνδρομητές Plus και Pro μπορούν πλέον να χρησιμοποιούν τη φωνή τους στα τηλέφωνά τους για να ενεργοποιούν ροές εργασίας στην καρτέλα Work, συμπεριλαμβανομένης της δημιουργίας παρουσιάσεων, της σύνοψης μηνυμάτων Slack και της σύνταξης email.techcrunch+1

Σε μια επίδειξη για το Business Insider, ο υπεύθυνος προϊόντος της OpenAI για τη φωνή του ChatGPT, Atty Eleti, χρησιμοποίησε μόνο ομιλία για να αναλύσει τις δαπάνες του στο DoorDash, να κλείσει ένα γήπεδο pickleball και να αναδιοργανώσει το ημερολόγιό του. "Στο μέλλον, φανταζόμαστε πραγματικά τους ανθρώπους να χρησιμοποιούν τη φωνή ως την κύρια μέθοδο αλληλεπίδρασης με την τεχνητή νοημοσύνη", δήλωσε ο Eleti.businessinsider

Το ChatGPT Voice μπορεί πλέον να υποστηρίζεται από τα τρία μοντέλα GPT-6 της OpenAI: το Astra, το πιο ικανό, καθώς και τα μικρότερα Sol και Luna, τα οποία αναβαθμίστηκαν σε GPT-6 την προηγούμενη ημέρα. Προστέθηκε επίσης υποστήριξη πρόσθετων για email, ημερολόγιο και Slack της Salesforce, Inc. ↗ 1.84% στη φωνητική λειτουργία, κλείνοντας αυτό που το 9to5Mac χαρακτήρισε ως "μεγάλο χάσμα" για τους χρήστες που έπρεπε προηγουμένως να μεταβούν σε κείμενο για να έχουν πρόσβαση σε συνδεδεμένες υπηρεσίες.9to5mac

Ισορροπία μεταξύ ομιλίας και οθόνης

Η OpenAI ανέφερε ότι οι φωνητικές συνομιλίες θα παράγουν πλέον πλουσιότερη έξοδο κειμένου, ενώ οι χρήστες μπορούν να εναλλάσσονται μεταξύ φωνής και κειμένου κατά τη διάρκεια της συνομιλίας ή να ξεκινούν μια εργασία στο κινητό και να τη συνεχίζουν στον υπολογιστή. Περισσότερα από 150 εκατομμύρια άτομα χρησιμοποιούν ήδη τα εργαλεία υπαγόρευσης και φωνής του ChatGPT, σύμφωνα με τον Eleti.techcrunch+1

Ο σχεδιασμός αντικατοπτρίζει μια σκόπιμη επιλογή. "Δεν το βλέπουμε μόνο ως καθαρή φωνή εισόδου και εξόδου", είπε ο Eleti στο Business Insider. "Πρόκειται για φωνή ως είσοδο και στη συνέχεια τη σωστή έξοδο. Μερικές φορές είναι κείμενο, μερικές φορές φωνή, μερικές φορές ένας συνδυασμός".businessinsider

Ένας γεμάτος ανταγωνισμός για τον προσωπικό βοηθό AI

Η κυκλοφορία έρχεται καθώς οι προσωπικοί βοηθοί AI κερδίζουν έδαφος στη Silicon Valley, με ανταγωνιστές όπως το Muse της Meta ↗ 1.02% και τη νεοφυή επιχείρηση Instinct να διεκδικούν χρήστες. Η OpenAI έχει προχωρήσει σε μια σειρά κυκλοφοριών προϊόντων ενόψει της εκδήλωσης DevDay την επόμενη εβδομάδα. Το Bloomberg έχει επίσης αναφέρει ότι η εταιρεία κατασκευάζει ένα έξυπνο ηχείο για κυκλοφορία το 2027, δίνοντας στις επενδύσεις της στη φωνή μια μακροπρόθεσμη διάσταση υλικού.businessinsider

Δεν είναι όλες οι λειτουργίες καθολικές. Η πρόσβαση στο μοντέλο GPT-6 και οι δυνατότητες Work εξαρτώνται από το επίπεδο συνδρομής και τις ρυθμίσεις του χώρου εργασίας, ενώ η διάθεση γίνεται σταδιακά. Εν τω μεταξύ, ο αυξανόμενος διαχωρισμός μεταξύ των λειτουργιών Chat και Work του ChatGPT, με το GPT-6 να είναι διαθέσιμο μόνο στη δεύτερη, έχει προσθέσει ένα επίπεδο πολυπλοκότητας που ορισμένοι χρήστες προσπαθούν ακόμη να κατανοήσουν.techradar+1