OpenAI, la empresa creadora del chatbot con inteligencia artificial (IA) generativa ChatGPT, anunció una nueva versión de su popular herramienta que es capaz de «ver, oír y hablar» en voz alta con los usuarios.
Hasta ahora solo se podía interactuar con las distintas versiones de ChatGPT por escrito, pero los usuarios de pago en «dos semanas» podrán tener una conversación en voz alta y escuchar las respuestas de la máquina, así como mandar fotos, imágenes, capturas de pantalla y documentos al chat para obtener respuestas específicas.
Por su parte, los que usan la versión gratuita de este chatbot podrán sacarle partido a estas nuevas actualizaciones «poco después», según OpenAI.
«La voz y la imagen te brindan más formas de usar ChatGPT en tu vida. Cuando estés en casa, saca fotografías de tu refrigerador y despensa para saber qué hay para cenar (y haz preguntas para obtener una receta paso a paso)», afirma la empresa en un comunicado.
Mientras que para ejemplificar cómo se puede usar la herramienta de voz, la empresa dice que se puede utilizar para «contar un cuento o resolver un debate».
Por ahora, este asistente de voz -que es similar a Alexa, de Amazon, y a Siri, de Apple-, estará disponible para iOS y Android, pero no en PC.
Se podrán elegir entre cinco voces distintas, aunque la voz que viene por defecto y la que salía en los ejemplos de hoy es una voz que imita a la de una mujer joven y aparentemente blanca, como suele ser habitual en este tipo de herramientas.
Mediante Whisper -herramienta de OpenAI que usa la IA para trascribir audio- se convierte la voz del usuario a texto, y la compañía luego usa su nuevo modelo de conversión de texto a voz para la respuesta de la máquina.
«Nuestra nueva tecnología de voz es capaz de crear voces sintéticas realistas a partir de tan solo unos segundos de voz real. Esto abre las puertas a muchas aplicaciones creativas y da herramientas de accesibilidad. Sin embargo, estas capacidades también presentan nuevos riesgos, como la posibilidad de que actores maliciosos se hagan pasar por figuras públicas o cometan fraude», advierte la empresa.
OpenAI, además, anunció que la plataforma de música Spotify está utilizando el «poder de esta tecnología para traducir algunos de sus pódcast a «idiomas adicionales, pero manteniendo las propias voces de los presentadores e invitados».