چتجیپیتی قابلیت صوتی جدید رو کرد
شرکت اوپنای آی قابلیت Live Dictation را برای چت چی پی تی عرضه کرده است که دستورات صوتی کاربر را بهصورت بلادرنگ و مستقیماً از طریق میکروفون به متن تبدیل میکند.
فرارو- چت جی پی تی اکنون میتواند همزمان با صحبت شما با Live Dictation رونویسی کند. اوپنای آی قابلیت Live Dictation را برای چت جی پی تی در تمام برنامهها و پلتفرمها ارائه کرده است و گفتار را در زمان واقعی رونویسی میکند و محدودیت صوتی ده دقیقهای قبلی را حذف میکند.
به گزارش فرارو به نقل از techbytes، شرکت اوپنای آی قابلیت Live Dictation را برای چت چی پی تی عرضه کرده است که دستورات صوتی کاربر را بهصورت بلادرنگ و مستقیماً از طریق میکروفون به متن تبدیل میکند. در این سیستم، برخلاف روشهای معمول که فایل صوتی تا پایان صحبت کاربر ذخیره میشود، ورودی صوتی بهطور پیوسته پردازش شده و همزمان به متن تبدیل میگردد. طبق گزارش وبسایت «The Verge»، این قابلیت در حال عرضه جهانی است و در نسخه تحت وب، اپلیکیشن دسکتاپ و نسخههای موبایل در دسترس قرار میگیرد.
معماری سیستم قبلی، کل یک ضبط صدا را قبل از آپلود فایل برای تبدیل در بکاند، ضبط میکرد که باعث ایجاد تأخیرهای قابل توجه برای درخواستهای طولانی میشد. در مقابل، مکانیسم تازه منتشر شده، ورودی صدا را به صورت تدریجی پردازش میکند تا همزمان با وقوع گفتار، فیلد درخواست را پر کند. این طراحی با تأخیر کم، شکاف بین خروجی گفتار و مشاهده را از بین میبرد و امکان بررسی فوری نحو درخواست را قبل از ارسال فراهم میکند.
نوار ورودی بهروزرسانیشده شامل یک شکل موج صوتی پویا است که به صورت بصری به میزان صدای میکروفون در طول گفتار پاسخ میدهد. ضربه زدن یا کلیک کردن روی این شکل موج گرافیکی، متن زنده را نمایش میدهد، زیرا مدل هوش مصنوعی کلمات را در زمان واقعی تولید میکند. پس از پایان دیکته، متن کامل در کادر اعلان قرار میگیرد، جایی که کاربران میتوانند قبل از ارسال، عبارات را به صورت دستی ویرایش کنند، علائم نگارشی را تنظیم کنند یا دستورالعملهای تکمیلی را اضافه کنند.
در کنار شتاب سرعت رونویسی، اوپنای آی محدودیت ده دقیقهای که قبلاً ضبطهای تکصدا را محدود میکرد، برای همیشه حذف کرد. کاربران اکنون میتوانند بدون نظارت بر تایمرهای شمارش معکوس یا مواجهه با قطع ناگهانی در طول توضیحات فنی گسترده، بدون وقفه صحبت کنند.
اوپنای آی، ویژگیهای صوتی خود را در مسیرهای متمایز محصول تقسیمبندی میکند تا پیامهای غیررسمی، جلسات چند نفره و گفتگوهای شفاهی مستقیم را ارائه دهد.
به موازات بهبودهای صدای مکالمه، حالت ضبط تخصصی که سال گذشته معرفی شد، همچنان در حسابهای تجاری در حال آزمایش است.