- OpenAI je objavio nove audio modele zasnovane na GPT-4o i GPT-4o Mini radi poboljšanja transkripcije i konverzije govora.
- Ova poboljšanja imaju za cilj da ponude veću preciznost, smanjenje grešaka i bolju prilagodbu različitim stilovima i akcentima.
- Glasovni agenti će moći prilagoditi svoju intonaciju, čineći ih lakšim za korištenje u korisničkoj službi i drugim aplikacijama.
- Lansiranje sugerira budućnost u kojoj će AI asistenti postati sve prirodniji i izražajniji.
OpenAI je napravio veliki korak u razvoju prirodnijih, izražajnijih i preciznijih modela glasa, nedavno je najavio nove verzije svoje audio tehnologije zasnovane na GPT-4o i GPT-4o Mini. Sa ovim ažuriranjem, kompanija nastoji olakšati integraciju glasovnih agenata u više aplikacija, s naglaskom na personalizaciju i poboljšanje kvaliteta interakcije.
Ovaj napredak odgovara rastućoj potražnji za AI sistemima koji su efikasniji u tumačenju jezika i stvaranju prirodnog glasa, što otvara vrata eri u kojoj Komunikacija sa automatizovanim sistemima će se praktično ne razlikovati od razgovora sa ljudima.
Novi audio modeli: poboljšanja u transkripciji i generiranju govora
The Novi OpenAI modeli uključuju GPT-4o-transkripciju i GPT-4o-mini-transkripciju za konverziju govora u tekst, pružajući precizniju transkripciju, čak i u okruženjima sa pozadinskom bukom ili različitim akcentima. Zahvaljujući svom naprednom učenju, ovi modeli značajno smanjuju stopu greške riječi (WER), poboljšavajući prilagođavanje različitim jezicima i stilovima govora.
Osim toga, OpenAI je objavio GPT-4o-mini-tts, model za pretvaranje teksta u govor koji omogućava vam da prilagodite intonaciju, ton i stil govora. Ovo je ključno za razvoj prirodnijih digitalnih asistenata, sposobnih da odgovore odgovarajućom emocionalnošću u različitim kontekstima, kao što je usluga korisnicima ili naracija sadržaja. U tom kontekstu, napravljeni su i pomaci koji to dozvoljavaju pretvaranje teksta u govor u raznim aplikacijama.
Personalizacija i praktične primjene
Jedna od najvećih novih karakteristika je to Programeri će moći prilagoditi glasove kroz ove modele, prilagođavajući detalje kao što su brzina, intonacija i ekspresivnost. Ovo otvara put ka Prilagođeno dizajnirani glasovni agenti za različite sektore, od virtuelnih asistenata do alata za pristupačnost za osobe sa oštećenjem vida ili sluha.
Kompanije već istražuju upotrebu ovih modela optimizirati korisničku uslugu, stvarajući sisteme koji mogu upravljati pozivima i tečnije odgovoriti u pozivnim centrima. Planirana je i njegova integracija u obrazovne aplikacije, platforme za zabavu i alate za produktivnost.
Tehnologija obuke i poboljšanja tačnosti
Da bi postigao ova poboljšanja, OpenAI je koristio obuku zasnovanu na pravi audio podaci i napredne tehnike učenja potkrepljenja. Ovo je omogućilo modelima da bolje razumiju nijanse jezika, prilagode odgovore različitim tipovima korisnika i ponude prirodnije iskustvo razgovora.
Novi model nadmašuje svog prethodnika, Whisper, na mnogo načina, uključujući sposobnost tumačenja pauza u razgovoru bez ometanja korisnika i smanjenja grešaka u transkripciji u realnom vremenu. A uz sve to primjenjuju se i pristupi prepoznavanje glasa u raznim oblastima.
Utjecaj na budućnost konverzacijske umjetne inteligencije
Izdavanje ovih modela sugerira transformaciju u načinu na koji komuniciramo s AI asistentima. Mogućnost posjedovanja Saosjećajniji i precizniji glasovni agenti mogli bi revolucionirati sektore kao što su e-trgovina, zdravstvo i obrazovanje.. Važno je razmotriti kako napreduje ovakva može biti povezano sa stvaranjem novih audio uređaja koji poboljšavaju cjelokupno korisničko iskustvo.
Kako se ove tehnologije razvijaju, granica između ljudi i umjetne inteligencije postaje sve nejasnija. Sa ovakvim razvojem, OpenAI se pozicionira na čelo stvaranja prirodnijeg konverzacijskog iskustva., približavajući nas eri u kojoj će se komunikacija s umjetnom inteligencijom praktički ne razlikovati od interakcije između čovjeka.
Ja sam tehnološki entuzijasta koji je svoja "geek" interesovanja pretvorio u profesiju. Proveo sam više od 10 godina svog života koristeći najsavremeniju tehnologiju i petljajući po svim vrstama programa iz čiste radoznalosti. Sada sam se specijalizirao za kompjutersku tehnologiju i video igrice. To je zato što više od 5 godina pišem za razne web stranice o tehnologiji i video igricama, stvarajući članke koji nastoje dati vam potrebne informacije na jeziku koji je svima razumljiv.
Ako imate bilo kakvih pitanja, moje znanje seže od svega vezanog za Windows operativni sistem kao i Android za mobilne telefone. I moja posvećenost je vama, uvijek sam spreman potrošiti nekoliko minuta i pomoći vam da riješite sva pitanja koja imate u ovom svijetu interneta.