OpenAI kündigte im Mai an, dass ein spezieller Soundmodus kommen wird, der deutlich natürlicher sein wird als bisher. Die Entwickler haben sich nicht rechtzeitig auf diese Neuerung vorbereitet, da sie für die Einführung im Juni geplant war. Aber es ist tatsächlich in Arbeit gewesen, und es bleibt spannend zu sehen, wie gut es geworden ist.
Der Sprachmodus wurde im September letzten Jahres als Teil von ChatGPT eingeführt und geriet dann in Vergessenheit. Es wurde nicht wirklich darüber gesprochen, die meisten Leute sahen ihn nur als ein lustiges Extra, das als Ergebnis der Multimodalität implementiert wurde. Doch im Mai stellte OpenAI klar, dass er keineswegs in Vergessenheit geraten war und in der Zukunft eine wirklich wichtige Rolle spielen würde.
Sam Altman ist ein großer Fan des Films Her und arbeitet offenbar daran, das, was er im Film gesehen hat, zum Leben zu erwecken.
Ein spezieller Sprachmodus von ChatGPT ist bereits für eine kleine Gruppe von Nutzern verfügbar, und nach und nach werden immer mehr Leute in die Tests einbezogen. Vorerst ist die Entwicklung nur in den Vereinigten Staaten zum Testen verfügbar, und eine wichtige Einschränkung ist, dass sie nur für ChatGPT Plus Abonnenten verfügbar ist. Frühere Informationen deuteten darauf hin, dass sie im Herbst für alle Abonnenten verfügbar sein würde. Die ersten Tests sind bereits in den sozialen Medien veröffentlicht worden.
Bei der Ankündigung im Frühjahr zeigte OpenAI viele interessante Dinge, wie z. B. die Aufforderung an ChatGPT, verschiedene Sprachstile zu verwenden, während der Sprachmodus genutzt wird. Alle hatten ihren Spaß daran. Es überrascht nicht, dass nach der Live-Demo viele begeisterte Nutzer dies ausprobierten, und es funktionierte genauso gut wie bei früheren Demos.
Natürlich wird normalerweise niemand davon begeistert sein, dass man mit ChatGPT eine Piratengeschichte erzählen kann, aber man kann den Dienst zum Beispiel bitten, einem Kind eine Geschichte zu erzählen, und diese Funktion kann sehr interessant sein. Sie können den Dienst mit fast jeder Art von Präsentation beauftragen.
Sie testeten auch, wie das aktualisierte ChatGPT funktioniert, wenn die multimodalen Funktionen voll ausgeschöpft sind. Vor laufender Kamera zeigten sie dem Dienst eine Game Boy Advance SP Handheld-Spielkonsole mit japanischen Untertiteln und baten ihn, den gesamten Text auf dem Display ins Englische zu übersetzen - alles laut vorgelesen. Der aktualisierte ChatGPT-Dienst meisterte diese Herausforderung problemlos und kümmerte sich neben der flüssigen Übersetzung in Echtzeit sogar um den Akzent.
Es wurde eine Vielzahl von Aufnahmen des neuen Sprachmodus veröffentlicht, aber die technisch interessanteste von allen ist vielleicht diejenige, bei der ChatGPT einfach aufgefordert wurde, so schnell wie möglich bis 50 zu zählen.
Der Sprachmodus in der generativen KI ahmt Menschen wirklich so lebensecht nach, dass er sich beim Zählen in verschiedenen Geschwindigkeiten bewegt und die Aufgabe ohne jegliche mechanische Konsistenz löst. Außerdem geht ihr an einem Punkt "die Puste aus", so dass sie kurz innehält und dann versucht, die durch die Pause entstandene Verlangsamung auszugleichen, indem sie ein schnelleres Tempo vorgibt.
Zu all dem sollte hinzugefügt werden, dass OpenAI zugibt, dass diese Funktion noch lange nicht fertig ist und sich noch in der Entwicklungsphase (Alpha) befindet. Daher werden die Menschen aufgefordert, so viel Feedback wie möglich zu senden, um ihre Erfahrungen zu teilen. Es gab bereits Beschwerden über die Neuerung. Einige beschweren sich, dass sie zu sehr mit der Klangfarbe spielt und ein wenig wie die verzerrten Vokaltöne moderner Songs mit Autotune klingt.
