消息称 OpenAI 将推出多模态人工智能数字助理:可语音对话、识别物体

2024-05-12 15:29IT之家 - 远洋

IT之家 5 月 12 日消息,据 The Information 报道,OpenAI 最近向部分客户展示了一款新型多模态人工智能模型,该模型能够进行语音对话和物体识别。有消息人士透露,这或许就是 OpenAI 计划在即将到来的 5 月 13 日正式发布的内容之一。

图源 Pexels

报道称,相比于 OpenAI 现有的独立图像识别和文本转语音模型,该新型模型能够更快、更准确地处理图像和音频信息。例如,它可以帮助客服人员“更好地理解来电者的语气语调,判断他们是否在使用讽刺语气”。理论上,该模型还能辅助学生学习数学知识,或翻译现实世界中的标志文字。

不过,消息人士也指出,虽然该模型在某些问题解答方面能够超越 GPT-4 Turbo,但仍有可能出现自信地给出错误答案的情况。

IT之家注意到,开发者 Ananay Arora 发布了一张包含通话相关代码的截图,暗示 OpenAI 可能正在为 ChatGPT 加入打电话的功能。Arora 还发现了一些证据表明 OpenAI 正在配置用于实时音视频通信的服务器。

OpenAI 首席执行官萨姆・阿尔特曼 (Sam Altman) 已经明确否认即将发布的新品是代号为 GPT-5 的大型语言模型(据称其性能将大幅优于 GPT-4)。The Information 则表示,GPT-5 可能将在今年年底前正式亮相。阿尔特曼还表示,OpenAI 不会发布新的人工智能搜索引擎。

如果 The Information 的报道属实,OpenAI 的新品发布仍可能会对即将举行的 Google I / O 开发者大会产生一定影响。众所周知,谷歌也在测试利用人工智能进行电话呼叫的技术。此外,谷歌还有一个据传即将发布的项目,代号为“Pixie”。Pixie 是一款能够通过设备摄像头识别物体的多模态 Google Assistant 替代品,可以为用户提供诸如“如何前往购买地点”或“如何使用”等信息。

广告声明:文内含有的对外跳转链接(包括不限于超链接、二维码、口令等形式),用于传递更多信息,节省甄选时间,结果仅供参考,IT之家所有文章均包含本声明。

文章价值:
人打分
有价值还可以无价值
置顶评论
    热门评论
      文章发布时间太久,仅显示热门评论
      全部评论
      一大波评论正在路上
        取消发送
        软媒旗下人气应用

        如点击保存海报无效,请长按图片进行保存分享