OpenAI finally launches ‘Advanced Voice Mode’ to select ChatGPT users

Cointelegraph · 2024-07-31T21:17:37.000Z

After several delays reportedly related to safety and fine-tuning, OpenAI’s much anticipated “Advanced Voice Mode” (AVM) for ChatGPT is now available in alpha to select users. The AVM feature was announced and demonstrated back in May. It allows users to have a real time conversation with the ChatGPT artificial intelligence model via a tech-to-speech synthesization module. Remember Duplex? Those familiar with the concept may remember Google’s 2018 announcement that its “Duplex” AI service would be available “soon.” At its IO developer’s event, the company showed off an AI system capable of calling businesses on your behalf to schedule appointments in real time with humans. The big idea, according to Google, was that the AI would be robust enough to handle casual conversation and to confirm the correct information. The Duplex project was eventually shuttered, but its legacy apparently lives on in OpenAI’s ChatGPT. Advanced Voice Mode AVM features real-time communication that attempts to mimic human-to-human discussions. ChatGPT responds to user queries in a human-like voice that has a natural cadence. Users can interrupt the chatbot mid-sentence and, based on the demo, it can keep track of what’s been said. The company is launching the feature in limited alpha in order to continue evaluating its capabilities and safety implications. While the May demos were impressive, there were some glitchy moments and it isn’t hard to imagine scenarios where the technology could be misused. Source: OpenAI. Per OpenAI, safety has been the company’s paramount concern. In a post on X announcing the feature’s launch, the company wrote: “We tested GPT-4o's voice capabilities with 100+ external red teamers across 45 languages. To protect people's privacy, we've trained the model to only speak in the four preset voices, and we built systems to block outputs that differ from those voices. We've also implemented guardrails to block requests for violent or copyrighted content.” The timed rollout of AVM has already begun, according to OpenAI, and will continue with more users to be added “on a rolling basis.” The company expects the feature to be available to all Plus subscribers in the fall. Related: OpenAI suspends ChatGPT voice accused of mimicking Scarlett Johansson

Po několika zpožděních údajně souvisejících s bezpečností a doladěním je nyní velmi očekávaný „pokročilý hlasový režim“ (AVM) OpenAI pro ChatGPT k dispozici v alfa verzi pro vybrané uživatele.
Funkce AVM byla oznámena a předvedena již v květnu. Umožňuje uživatelům konverzovat v reálném čase s modelem umělé inteligence ChatGPT prostřednictvím modulu syntézy tech-to-speech.
Pamatujete na Duplex?
Ti, kteří jsou obeznámeni s tímto konceptem, si možná pamatují oznámení společnosti Google z roku 2018, že jeho služba „Duplex“ AI bude k dispozici „brzy“. Na své IO vývojářské akci společnost předvedla systém umělé inteligence, který je schopen volat podniky vaším jménem a naplánovat si schůzky v reálném čase s lidmi.
Velkou myšlenkou podle Googlu bylo, že AI bude dostatečně robustní, aby zvládla neformální konverzaci a potvrdila správné informace.
Projekt Duplex byl nakonec uzavřen, ale jeho dědictví zřejmě žije v ChatGPT OpenAI.
Pokročilý hlasový režim
AVM nabízí komunikaci v reálném čase, která se pokouší napodobit diskuse mezi lidmi. ChatGPT odpovídá na uživatelské dotazy lidským hlasem, který má přirozenou kadenci. Uživatelé mohou chatbota přerušit uprostřed věty a na základě ukázky může sledovat, co bylo řečeno.
Společnost spouští tuto funkci v omezené verzi alfa, aby mohla pokračovat ve vyhodnocování jejích schopností a bezpečnostních důsledků. Zatímco květnové ukázky byly působivé, bylo tam několik závadových momentů a není těžké si představit scénáře, kde by mohla být technologie zneužita.
Podle OpenAI byla bezpečnost prvořadým zájmem společnosti. V příspěvku na X, který oznamuje spuštění funkce, společnost napsala:
„Testovali jsme hlasové schopnosti GPT-4o s více než 100 externími červenými týmy ve 45 jazycích. Abychom ochránili soukromí lidí, vycvičili jsme model tak, aby mluvil pouze čtyřmi přednastavenými hlasy, a vytvořili jsme systémy pro blokování výstupů, které se od těchto hlasů liší. Implementovali jsme také zábrany, které blokují žádosti o násilný obsah nebo obsah chráněný autorským právem.“
Časované zavádění AVM již začalo, podle OpenAI, a bude pokračovat a další uživatelé budou přidáváni „průběžně“. Společnost očekává, že tato funkce bude dostupná všem předplatitelům Plus na podzim.
Související: OpenAI pozastavuje hlas ChatGPT obviněný z napodobování Scarlett Johansson

Prozkoumat více od tvůrce

Nejnovější zprávy