OpenAIのChatGPTが音声と画像の機能を発表：AI対話における革命的な飛躍

OpenAI's ChatGPT announces new features revolutionary leap in AI conversation with voice and image capabilities.

オープンAIは、AIとの人間の対話を革新するために、ChatGPTに音声と画像の機能を導入することで、大きな進化を遂げようとしています。この重要なアップグレードにより、ユーザーはより直感的なインターフェースを提供され、音声での対話やAIとの画像の共有が可能になり、インタラクティブなコミュニケーションの可能性が広がります。

音声と画像の機能は、日常生活でChatGPTを使用する新たな次元をもたらします。旅行の名所を記録したり、パントリーの内容から食事の計画を立てたり、宿題の手助けをしたりするなど、これらの機能はユーザーエクスペリエンスを向上させ、個人をさまざまな方法で支援します。

音声の機能：シームレスな会話の実現

• 「機械学習システムの技術的負債の管理」
• 「ハリウッドの自宅：DragNUWAは、制御可能なビデオ生成を実現できるAIモデルです」
• 「Juliaプログラミング言語の探求 ユニットテスト」

ユーザーは、自分の声を使用してChatGPTとの双方向の会話を行うことができます。この機能により、移動中の対話から家族のための寝前のストーリーのリクエストやディナーテーブルの議論の解決まで、さまざまな可能性が開けます。音声対話を開始するには、ユーザーはモバイルアプリの「設定」→「新機能」からこの機能を選択します。そこで、プロの声優の専門知識を活用して作成された5つの異なるオプションから好みの声を選択することができます。この新しいテキスト読み上げモデルは、テキストと短い音声サンプルから驚くほど人間らしい音声を生成します。

画像のインタラクション：新たなコミュニケーション方法

画像のインタラクション機能により、ユーザーはChatGPTと1枚以上の画像を共有することができます。これにより、トラブルシューティングや食事の計画、複雑なデータの分析などが可能になります。モバイルアプリでは、画像の特定の領域に焦点を当てるための描画ツールが提供されています。この機能は、言語の推論能力をさまざまなテキストや画像を含む写真、スクリーンショット、文書に適用するためのマルチモーダルGPT-3.5およびGPT-4モデルによって実現されています。

革新と安全性、責任のバランス

オープンAIは、これらの機能を展開する際には慎重なアプローチを取っており、安全性と責任あるAI開発に対する取り組みを強調しています。本物の合成音声を作成することができる音声技術の導入は、専門の声優との協力を通じて慎重に作成される音声チャットのために活用されています。この慎重なアプローチにより、なりすましや潜在的な詐欺と関連するリスクを軽減するのに役立ちます。

同様に、画像の機能の統合は、さまざまなドメインでのリスクを評価するためにレッドチームとアルファテスターとの厳格なテストの後に行われています。この機能では、ChatGPTが個人のプライバシーを尊重し、ユーザーの日常生活をサポートすることに焦点を当てるように、有用性と安全性を優先しています。

透明性とユーザーの権限

オープンAIは、透明性とユーザーの権限を重視しています。モデルの制限について明確な情報を提供し、適切な検証がない場合のより高リスクな使用例については推奨していません。特に非英語の言語で特化したトピックについてChatGPTを頼りにするユーザーは注意を払うようにされています。

今後数週間以内に、PlusおよびEnterpriseのユーザーはChatGPTの変革的な音声と画像の機能を体験することができます。オープンAIの段階的な展開への取り組みにより、さらなる改善、リスクの軽減の磨き、そして将来のより強力なAIシステムの準備が可能となります。

オープンAIによるChatGPTの音声と画像の機能の発表は、より没入型で直感的な人間とAIの相互作用に向けた画期的な進歩を表しています。これらの機能が進化し続けるにつれて、協力、創造性、問題解決のための新たな可能性を開くことができるようになるでしょう。

We will continue to update VoAGI; if you have any questions or suggestions, please contact us!