DoNews9月25日消息，近日 OpenAI 宣布推出新版 ChatGPT，增加了兩項新功能：語音輸入和圖像輸入。據(jù) OpenAI 稱，新功能將在未來兩周內(nèi)向 ChatGPT Plus 訂閱用戶推出，其他人也將“很快”能夠使用這些功能。
語音輸入功能類似于手機上的語音助手，用戶只需按下一個按鈕，說出自己的問題，ChatGPT 就會將其轉(zhuǎn)換為文本，然后生成答案，再將答案轉(zhuǎn)換為語音，播放給用戶。
例如，讓ChatGPT聽一段小貓咪的文本故事，然后選擇人類語音便可以一鍵完成轉(zhuǎn)錄。完成后，用戶可以下載這段語音。
OpenAI 表示，這樣的交互方式更加自然和便捷，而且由于 LLM 的技術(shù)優(yōu)勢，答案的質(zhì)量也會更高。OpenAI 還開發(fā)了一種新的文本轉(zhuǎn)語音模型，可以根據(jù)幾秒鐘的樣本語音，生成與之相似的人聲。用戶可以從五種選項中選擇 ChatGPT 的聲音，而且這種模型還有更多的潛在用途。
例如，OpenAI 正在與 Spotify 合作，將播客翻譯成其他語言，同時保留播客主持人的聲音。不過，這種模型也存在一些風(fēng)險，比如可能被惡意利用來冒充公眾人物或進行詐騙。因此，OpenAI 表示，這種模型不會被廣泛開放，而是會受到嚴格的控制和限制。
圖像輸入功能則類似于 Google Lens，用戶可以拍攝自己感興趣的事物，并上傳到 ChatGPT 中。ChatGPT 會嘗試識別用戶想要詢問的內(nèi)容，并給出相應(yīng)的回答。用戶還可以用應(yīng)用中的繪圖工具來幫助表達自己的問題，或者配合語音或文本輸入來進行交流。
OpenAI還放出了一段視頻，是和ChatGPT商量著修自行車，不斷問 ChatGPT：這里是扳手嗎？是調(diào)整這里嗎？甚至還把說明書拍照發(fā)給ChatGPT求解釋。
然后ChatGPT表示看你車的型號，有的車有快拆桿，有的是用螺栓固定，然后給出了詳細的步驟。
隨后官方又拍了一張工具箱的照片，問ChatGPT到底是哪一個扳手。ChatGPT也順利地認出了扳手，并準確提示用戶到底要拿哪一個尺寸。
ChatGPT 的優(yōu)勢在于它可以進行多輪對話，而不是一次性搜索。如果用戶對答案不滿意或想要更多信息，可以繼續(xù)向 ChatGPT 提問，從而得到更準確和全面的答案。當(dāng)然，圖像搜索也有一些潛在問題。
例如，在處理人物圖片時，OpenAI 表示他們限制了 ChatGPT 對人物進行分析和直接評價的能力，既為了保證準確性，也為了保護隱私，這意味著上傳一個人的照片就能知道他 / 她是誰還無法實現(xiàn)。
