ウェブサイト検索

OpenAI は待望の高度な音声モードを展開しますが、落とし穴があります

ChatGPT Plus メンバーシップの取得を検討している場合は、今がその時かもしれません。

OpenAI が 5 月に Spring Launch イベントを開催したとき、最大の目玉の 1 つは、GPT-4o の新しいビデオおよびオーディオ機能を強化した ChatGPT の新しい音声モードのデモでした。待望の新しいボイスモードがついに登場しました（みたいなものです）。

OpenAIは火曜日、Xポストを通じて、同社がChatGPT Plusユーザーの小グループに音声モードのアルファ版を展開し、中断して感情に反応できるスマートな音声アシスタントを提供すると発表した。

アルファ版に参加すると、上のビデオにあるように、手順が記載された電子メールとモバイル アプリにメッセージが届きます。まだ通知を受け取っていない場合でも、心配する必要はありません。 OpenAIは今後も継続的にユーザーを追加し、秋にはすべてのChatGPT Plus加入者がアクセスできるようにする予定であると共有した。

以下に示す発表イベントでのオリジナルのデモで、同社は、ユーザーの画面上のコンテンツを支援したり、応答のコンテキストとしてユーザーの携帯電話のカメラを使用したりするなど、音声モードのマルチモーダル機能を紹介しました。

残念ながら、音声モード アルファ版にはこれらの機能はありません。 OpenAIは、「ビデオと画面の共有機能は後日開始される」と共有した。同社はまた、最初にこの技術をデモして以来、音声会話の品質と安全性が向上したとも述べた。

X スレッドによると、OpenAI は 45 言語にわたって 100 人以上の外部レッド チーマーを対象に音声機能をテストしました。このスタートアップはまた、プリセットされた 4 つの音声のみで話すようにモデルをトレーニングし、指定された音声から逸脱する出力をブロックし、リクエストをブロックするガードレールを実装しました。

同社はまた、モデルをさらに改善するためにユーザーのフィードバックを考慮すると述べ、制限や安全性評価を含む GPT-4o のパフォーマンスに関する詳細なレポートを 8 月に共有する予定であると述べた。

月額 20 ドルで ChatGPT Plus サブスクライバーになることができます。その他のメンバーシップ特典には、高度なデータ分析機能、画像生成、GPT-4o への優先アクセスが含まれます。

OpenAI がこの機能を発表してから 1 週間後、Google は Gemini Live と呼ばれる同様の機能を発表しましたが、これはまだユーザーは利用できません。それは、数週間後に開催される Made by Google イベントですぐに変わるかもしれません。

関連記事