اوپن‌ای‌آی می‌گوید حالت صوتی پیشرفته را که در مراسم توسعه دهندگان این شرکت باعث جلب توجه بسیاری شده بود در اختیار گروه منتخی از کاربران ChatGPT Plus می‌گذارد. این حالت صوتی می‌تواند مکالمه‌هایی طبیعی‌تر و تعاملی‌تر با کاربران برقرار کند و گروه منتخب کاربران حالا در اپلیکیشن موبایلی iOS و اندروید به این قابلیت دسترسی دارند.

به گزارش ونچربیت،طبق اعلام اوپن‌ای‌آی در شبکه اجتماعی اکس، حالت صوتی پیشرفته در اختیار «گروه کوچکی از کاربران ChatGPT Plus» قرار می‌گیرد. شرکت در پست دیگری گفت «ما طبق یک روند عرضه افراد بیشتری را اضافه می‌کنیم و در تلاشیم تا تمامی مشترکان Plus در پاییز به آن دسترسی پیدا کنند.»

هزینه اشتراک پلاس چت‌جی‌پی‌تی ۲۰ دلار در ماه است و کاربران با خرید این اشتراک‌ به جدید‌ترین مدل زبانی شرکت (GPT-4.o) نیز دسترسی پیدا می‌کنند.

هنوز مشخص نیست که گروه منتخب بر چه اساسی انتخاب شده‌اند اما طبق پست شرکت: «کاربران این دسته آلفا ایمیلی به همراه دستورالعمل و پیامی در اپلیکیشن موبایلی خود دریافت می‌کنند.»

این قابلیت که اولین بار در ماه مه و مراسم بهاره اوپن‌ای‌آی امسال رونمایی شد به کاربران اجازه می‌دهد تا در لحظه و با یک ریتم محاوره‌ای روان با چت‌جی‌پی‌تی ارتباط بگیرند و حتی قطع کردن صدای روبات هم به خوبی پذیرفته شده و درخواست جدید پردازش می‌شود. این حالت صوتی حالت‌های مختلف احساسی را تشخیص می‌دهد و به خوبی خود را براساس تغییرات وفق می‌دهد.

عرضه با تاخیر
با اینکه اوپن‌ای‌آی انتظار داشت که در اواخر ماه ژوئن بتوان این قابلیت را در اختیار کاربران بگذارد اما مشکلات مختلفی که شاید یکی از آنها بحث پیرامون استفاده بدون اجازه از صدای اسکارلت جوهانسون، بازیگر معروف هالیوودی، بود باعث تاخیر بیشتر در عرضه این قابلیت شد.

حساب کاربری ChatGPT در شبکه اجتماعی اکس امروز با اعتراف به تاخیر در عرضه نوشت: «حالت صوتی پیشرفته که مدت‌ها انتظارش کشیده شد حالا روند عرضه را آغاز می‌کند.»

میرا موراتی، مدیر ارشد فناوری اوپن‌ای‌آی، نیز در رابطه با این قابلیت در اکس گفت: «مکالمه‌های غنی‌تر و طبیعی‌تر آنی از سختی این فناوری می‌کاهد-از نظر ما تعاملی‌تر و مفیدتر است و فکر می‌کنیم شما هم چنین حسی خواهید داشت.»

تاکید دوباره بر امنیت
اوپن‌ای‌آی در بیانیه خود همچنین به تلاش‌های مداوم شرکت بر تضمین کیفیت و امنیت نیز تاکید کرد.

شرکت در اکس گفت:‌ «از اولین باری که حالت پیشرفته صوتی را نمایش دادیم، برای تضمین امنیت و کیفیت مکالمه‌های صوتی در روند عرضه این فناوری مهم به میلیون‌ها نفر تلاش کرده‌ایم. ما توانمندی‌های GPT-4o را با بیش از ۱۰۰ تیم قرمز در ۴۵ زبان آزمایش کردیم. ما برای حفاظت از حریم خصوصی مدل را به گونه‌ای آموزش دادیم که تنها به چهار صدا صحبت کند و سیستم‌هایی ساختیم تا خروجی‌های متفاوت از این صداها را مسدود کند. ما با محدودیت‌هایی در نظر گرفتیم که درخواست برای محتوای خشونت‌آمیز یا دارای حق کپی‌رایت را مسدود می‌کند.»

تاکید بر امنیت و کیفیت را در حالی شاهد هستیم که بسیاری به پتانسیل هوش مصنوعی برای کلاهبرداری یا تقلید هویت دیگران اشاره می‌کنند.

با اینکه حالت صوتی پیشرفته اوپن‌ای‌آی در حال حاضر امکان تولید صداهای جدید و تقلید صدا را ندارد، اما همچنان می‌توان از آن برای گمراه کردن افرادی که اطلاعات کافی ندارند استفاده کرد.