ChatGPT artık görebiliyor, duyabiliyor ve konuşabiliyor

• ChatGPT’ye yeni ses ve görüntü özellikleri sunuldu.
• Ses aracılığıyla doğal şekilde sohbet etmek ve görsel ekleyerek soru sormak artık mümkün.
• Ses, Whisper aracılığıyla metne dönüştürülüyor; yanıtlar ise yeni bir TTS modeli temel alınarak profesyonel seslendirme sanatçılarının sesiyle oluşturuluyor.
  • Yeni TTS modeli, yalnızca birkaç saniyelik bir ses örneğiyle o kişinin sesini olduğu gibi yeniden üretebiliyor.
  • Bu model, Spotify’ın podcast çeviri özelliğinde de kullanılıyor; podcaster’ın kendi sesini koruyarak çok dilli çeviri yapıyor.
• Görseller bir seferde birden fazla eklenebiliyor ve görsel içindeki metnin yanı sıra nesneleri de ayrıntılı biçimde algılıyor.
  • Araçların veya cihazların nasıl kullanılacağını sorabilir ya da buzdolabındaki malzemelere göre tarif hakkında sohbet edebilirsiniz.
  • Ayrıca grafikleri analiz etmek veya matematik problemlerini çözmek de mümkün hale geldi.
  • Mobil uygulamada çizim aracıyla görselin belirli bir bölümüne odaklanması sağlanabiliyor.
  • Güvenlik ve gizliliği korumak için insanlar hakkında analiz yapma veya konuşma özellikleri büyük ölçüde sınırlandırılmış durumda.
• Önümüzdeki 2 hafta içinde önce Plus ve Enterprise kullanıcılarına sunulması planlanıyor.
• Ses özelliği yalnızca iOS ve Android’de çalışıyor; görsel ekleme özelliği ise tüm platformlarda kullanılabiliyor.

[alstjr7375]

Skynet geliyor...

[ciber27]

Her filmindeki işletim sistemi artık mümkün hale gelebilir gibi görünüyor.

[kuroneko]

• HN dizisi
• GPT-4 görsel makalesi

GPT-4 ilk çıktığında kısa bir süreliğine görülmüştü ama görselleri sadece tanımanın ötesine geçip anlayabilmesi gerçekten çok etkileyici.

Örneklere bakınca, bisiklet selesinin nasıl ayarlanacağını sorduğu bir bölüm var;
bu, basit bir görüntü tanımadan ziyade kılavuza bakıp uygun aracı buluyormuş gibi görünüyor...

Plus aboneliği gerekir mi diye düşünmüştüm ama durum böyleyse mesele biraz değişiyor... çok merak ediyorum.

[kuroneko]

HN dizisinin yapay zeka özeti

• modeless: Gecikmenin şu anda sesli asistanların en büyük sorunu olduğunu ve sesli diyalog için sıra alma modelinin kurulmasının daha doğal konuşmaları mümkün kılacağına inandığını söylüyor.
• TheEzEzz: Llama ve diğer araçları kullanarak doğal konuşmaya yakın, düşük gecikmeli bir sesli komut sistemi kurduğunu söylüyor. Bu alandaki sürekli araştırmaların yeni uygulamaların geliştirilmesini mümkün kılabileceğini düşünüyor.
• cyrux004: Özellikle karmaşık sistemlerde, yerelde çalışan modellerin bulut tabanlı modellerle aynı performansa ulaşıp ulaşamayacağını sorguluyor.
• TheEzEzz: Bunun uygulamaya bağlı olduğu konusunda hemfikir olduğunu ve yerel modellerin ilk işlemeyi üstlenip yalnızca gerektiğinde büyük bulut modellerine istek göndereceği hibrit yaklaşımın yaygınlaşacağını öngördüğünü söylüyor.
• simian1983: Sisteme anlamsız ya da kötü niyetli istekler yapılırsa ne olacağını soruyor.
• TheEzEzz: Arka plan gürültüsünün istekleri bozmasını önlemek için sistemin ilgisiz cümleleri yok sayacak şekilde eğitildiğini söylüyor.
• furyofantares: İnsanlarla konuşurken olduğu gibi, sesli asistanın yanıtını yarıda kesebilme özelliğinin önemini vurguluyor.
• dotancohen: Söz kesmenin, yapay zeka sistemlerinin henüz ustalaşamadığı insaniliğin bir işareti olabileceğini öne sürüyor.
• jonplackett: Gerçek anlamda insan seviyesinde bir sesli asistanın, metinde bulunmayan önemli bilgileri aktaran tonlamayı anlayabilmesi gerektiğine inanıyor.