ChatGPT大更新，能看能听也能说，多模态功能即将上线

ChatGPT大更新，能看能听也能说，多模态功能即将上线本章共9836字, 更新于: 2024-12-16 04:43:55

【家电资讯-家电新闻 - 国际传真，更新功作者：编辑】

　　OpenAI在其官网宣布，看能听目前正在推出ChatGPT的说多上线新版本，除了通过常见的模态文本框交互外，现在它正在学会以新的更新功方式理解人类的问题，比如通过大声说话或者上传一张图片。看能听

　　·随着越来越多的说多上线人使用语音控制和图像搜索，并且ChatGPT越来越接近成为一个真正多模式、模态有用的更新功虚拟助手，维持住安全护栏会变得越来越困难。看能听

　　OpenAI在其官网宣布，说多上线ChatGPT现在可以“看”、模态“听”和“说”了。更新功

　　自诞生以来，看能听ChatGPT的说多上线大部分更新主要在于，这个基于AI的机器人可以做什么、可以回答哪些问题、可以访问哪些信息，以及如何改进其基础模型等方面。这一次，OpenAI正在调整使用ChatGPT的方式。

　　北京时间9月25日晚，OpenAI在其官网宣布，目前正在推出ChatGPT的新版本，除了通过常见的文本框交互外，现在它正在学会以新的方式理解人类的问题，比如通过大声说话或者上传图片。

　　具体而言，在语音方面：第一，允许用户进行语音对话，提供更直观的交互方式;第二，支持在iOS和Android移动应用上使用;第三，提供5种不同的语音选择;第四，通过新型文本转语音模型和语音识别系统实现。

　　这应该感觉就像与苹果的Siri交谈一样，只是OpenAI希望，通过改进基础技术使其说出更好的答案。目前，大多数虚拟助手，如亚马逊的Alexa，都在以大语言模型(LLM)为基础进行改进。

　　据OpenAI介绍，新的语音功能由一个新的文本到语音模型提供支持，该模型能够从文本和几秒钟的语音样本生成“类似人类的音频”。OpenAI似乎还认为该模型的潜力不止于此，其正在与流媒体音乐服务平台Spotify合作，将播客翻译成其他语言，同时保持播音者的声音。合成语音有许多有趣的用途，而OpenAI可能会成为该行业的重要组成部分。

　　然而，只需几秒钟的音频就能构建出功能强大的合成音色，这也为各种问题性用例敞开了大门。“这些功能还带来了新的风险，比如恶意行为者冒充公众人物或实施欺诈的可能性”，OpenAI在其宣布新功能的博文中写道。OpenAI表示，出于这个原因，该模型不会广泛被使用，而更多受到特定用例和合作伙伴的限制。

　　在图像方面，第一，允许用户上传图像与ChatGPT进行交互;第二，支持多张图像;第三，提供移动应用上的绘图工具;第四，使用多模态GPT模型(Generative Pre-Trained Transformer，生成式预训练Transformer模型)理解图像;第五，在接下来的两周内首先面向Plus(付费订阅用户)和企业用户推出;第六，语音和图像功能的推出采取渐进策略，以确保安全性;第七，要注意模型局限性，避免高风险场景下对其依赖。

　　图像搜索有点类似于Google Lens的功能，用户拍摄自己感兴趣的任何东西的照片，ChatGPT去尝试了解用户在询问什么，并做出相应的回应。用户还可以使用应用程序的绘图工具帮助明晰自己的诉求，或配合图像进行说话或写入问题。

　　这是ChatGPT希望实现的一个互动特性：与其进行一次搜索得到错误答案，然后再重新进行一次搜索，不如在进行的过程中提示AI机器人完善答案。

　　不过，显然图像搜索也有其潜在问题。比如，如果用户询问的是关于一个人的情况，ChatGPT该如何反应?OpenAI表示，他们故意限制了ChatGPT“分析和直接陈述关于人的能力”，这既是为了准确性，也是为了隐私原因。这意味着对于AI的一个极具科幻色彩的想象——看着某人然后问AI“那是谁”，并不会很快实现。

　　在ChatGPT首次推出将近一年后，OpenAI似乎仍在寻找，如何为其AI机器人增加更多功能和能力而不会产生新的问题和缺点。OpenAI也试图通过有意限制其新模型的功能，来维持“更进一步”和“降低风险”这两者之间的平衡。但这种方法可能不会永远奏效。随着越来越多的人使用语音控制和图像搜索，并且ChatGPT越来越接近成为一个真正多模式、有用的虚拟助手，维持住这个护栏会变得越来越困难。

免责声明：家电资讯网站对《ChatGPT大更新，能看能听也能说，多模态功能即将上线》一文中所陈述、观点判断保持中立，不对所包含内容的准确性、可靠性或完整性提供任何明示或暗示的保证。请读者仅作参考，并请自行承担全部责任。

本网站有部分内容均转载自其它媒体，转载目的在于传递更多信息，并不代表本网赞同其观点和对其真实性负责，本网站无法鉴别所上传图片或文字的知识版权，本站所转载图片、文字不涉及任何商业性质，如果侵犯，请及时通知我们，本网站将在第一时间及时删除，不承担任何侵权责任。联系QQ：411954607

本网认为，一切网民在进入家电资讯网站主页及各层页面时已经仔细看过本条款并完全同意。敬请谅解。

本书首发来自成都索客科技有限公司，第一时间看正版内容！

ChatGPT大更新，能看能听也能说，多模态功能即将上线

编辑推荐榜