首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往

ChatGPT支持图片和语音输入,会带来哪些新体验和影响?无际Ai分享

近日 OpenAI 宣布推出新版 ChatGPT,增加了两项新功能:语音输入和图像输入。据 OpenAI 称,新功能将在未来两周内向 ChatGPT Plus 订阅用户推出,其他人也将“很快”能够使用这些功能。

语音输入功能类似于手机上的语音助手,用户只需按下一个按钮,说出自己的问题,ChatGPT 就会将其转换为文本,然后生成答案,再将答案转换为语音,播放给用户。OpenAI 表示,这样的交互方式更加自然和便捷,而且由于 LLM 的技术优势,答案的质量也会更高。

OpenAI 还开发了一种新的文本转语音模型,可以根据几秒钟的样本语音,生成与之相似的人声。用户可以从五种选项中选择 ChatGPT 的声音,而且这种模型还有更多的潜在用途。不过,这种模型也存在一些风险,比如可能被恶意利用来冒充公众人物或进行诈骗。因此,OpenAI 表示,这种模型不会被广泛开放,而是会受到严格的控制和限制。

图像输入功能则是用户可以拍摄自己感兴趣的事物,并上传到 ChatGPT 中。ChatGPT 会尝试识别用户想要询问的内容,并给出相应的回答。用户还可以用应用中的绘图工具来帮助表达自己的问题,或者配合语音或文本输入来进行交流。ChatGPT 的优势在于它可以进行多轮对话,而不是一次性搜索。如果用户对答案不满意或想要更多信息,可以继续向 ChatGPT 提问,从而得到更准确和全面的答案。

当然,图像搜索也有一些潜在问题。例如,在处理人物图片时,OpenAI 表示他们限制了 ChatGPT 对人物进行分析和直接评价的能力,既为了保证准确性,也为了保护隐私,这意味着上传一个人的照片就能知道他 / 她是谁还无法实现。

我们可以注意到,自从 2022 年初推出 ChatGPT 以来,OpenAI 一直在努力为其机器人增加更多功能和能力,同时避免造成新的问题出现。通过这次更新,该公司试图在这条界线上寻找平衡点,通过有意识地限制其新模型能做什么来实现这一目标。但是这种方法并不是长久之计,随着越来越多的人使用语音控制和图像搜索,以及 ChatGPT 逐渐成为一个真正的多模态、有用的虚拟助手,要保持安全和合理的边界会变得越来越困难...

ChatGPT的多模态更新可以提供更丰富和动态的用户体验,今天【无际Ai】来和大家简单说一下一些可能的新体验和影响:

1. 交互性增强:通过支持图片和语音输入,用户可以用更自然的方式与AI进行交云,这可以提升AI的实用性和用户满意度。

2. 多元化应用:这种更新能让AI在更广泛的场景下发挥作用,如健康咨询(通过分析病人提供的症状图片),教育(通过回答学生关于课堂笔记或者书本上内容的问题)等。

3. 提高无障碍性:对于视力受限或不便于文字输入的用户,语音输入将提供便利。

4. 更准确的理解和反馈:通过分析图片或语音信息,AI可以更全面地理解用户的需求,并给出更精确的反馈。

然而,这也会带来一些新的挑战,比如处理复杂的视觉和语音数据需要更多的计算资源,保护用户隐私也会变得更为重要。此外,处理图片和语音信息的技术还需要进一步优化,以提高解读准确率和避免误解。

以上内容由【无际Ai】整理发布,转载请注明出处。点关注,不迷路!未来将会持续更新AI人工智能方面的热点资讯和科普教程等内容~

  • 发表于:
  • 原文链接https://page.om.qq.com/page/O2IKBJkRoJhtDau5SZ7hevbw0
  • 腾讯「腾讯云开发者社区」是腾讯内容开放平台帐号(企鹅号)传播渠道之一,根据《腾讯内容开放平台服务协议》转载发布内容。
  • 如有侵权,请联系 cloudcommunity@tencent.com 删除。

相关快讯

扫码

添加站长 进交流群

领取专属 10元无门槛券

私享最新 技术干货

扫码加入开发者社群
领券