Kompletterande videor

ChatGPT:s röstläge: prata med AI som med en vän – kompletterande videor

Artikeln går igenom vad röstläget är bra på, vad det har svårt för och vilka samtal som är värda att föra högt i stället för att skriva. De här två videorna visar funktionen i praktiken – ett kort klipp där två röstinstanser samtalar med varandra så att du kan höra hur ett ”känsloladdat realtidssamtal som går att avbryta” faktiskt låter, och den ursprungliga lanseringspresentationen från 2024 där de flesta såg funktionen för första gången.

Förstahandsval

3:25

Två GPT-4o-modeller interagerar och sjunger

OpenAI

Två instanser av röstläget pratar med varandra, varav den ena har tillgång till en kamera för att beskriva rummet. Den är tre minuter lång och det effektivaste sättet att få en intuitiv förståelse för vad som skiljer röstläget från äldre gränssnitt där man ”trycker på mikrofonen, väntar och lyssnar” – avbrott, tonfall, musik och bildtolkning i realtid, allt i ett enda klipp.

Vad du bör få ut av detta: Få snabbt se multimodal röstinteraktion, särskilt avbrott, tonfall och samtal där kamerabilden används.

Titta på eller ha koll på först: Var medveten om att beteendet i en demonstration kan skilja sig från den produkt, region och kontonivå som är tillgänglig för dig.

Anteckning från AI Expert: Använd bara det här som en kort tankeväckare. Betrakta det inte som belägg för att en röstagent i produktion kan hantera verkliga användare på ett säkert sätt utan tydlig information, avgränsningar för loggning, reservrutiner och eskalering till en människa.

Öppna videosidan

Värt att titta på

26:13

Vi presenterar GPT-4o

OpenAI

Det här är presentationen från maj 2024 där ChatGPT:s röstläge i realtid demonstrerades för första gången. Mark Chen visar andningsövningen, Barrett Zoph visar matematikhandledningen och sedan övergår de till översättning mellan italienska och engelska i realtid. Tjugosex minuter av känslan ”aha, det är det de menar med att prata med AI som med en vän”. Modellen och funktionerna som visas har bara förbättrats sedan dess.

Vad du bör få ut av detta: Förstå varför samtal med röst i realtid känns annorlunda än diktering eller klassiska röstassistenter.

Titta på eller ha koll på först: Inga, men betrakta den som en lanseringsdemonstration snarare än en aktuell produktmanual.

Anteckning från AI Expert: Den är historiskt användbar, inte en aktuell funktionsspecifikation. Innan du använder röst i verkliga arbetsflöden för kunder eller medarbetare bör du kontrollera de aktuella funktionerna för samtycke, inspelning, lagringstid, språk, tillgänglighet och eskalering.

Öppna videosidan