Kompanija OpenAI unapređuje ChatGPT chatbota dodajući mogućnost glasovnih razgovora i upita baziranih na fotografijama. Ove nadogradnje će prvo biti dostupne Plus i Enterprise korisnicima, a kasnije će biti proširene na širu publiku. Korisnici će moći da vode razgovore sa ChatGPT-om putem glasa na uređajima sa Android i iOS operativnim sistemima, a takođe će moći koristiti fotografije kao način postavljanja pitanja.
Opciju glasovnih razgovora u ChatGPT aplikaciji moći će da aktiviraju korisnici u podešavanjima, gde će imati mogućnost izbora između pet različitih glasova. OpenAI koristi novi text-to-speech model koji brzo pretvara tekst u zvuk sličan ljudskom govoru.
Što se tiče upita baziranih na fotografijama, korisnici će moći da pokažu fotografije ChatGPT-u i postavljaju pitanja ili dobijaju informacije. Na primer, moguće je postaviti pitanje o problemu sa roštiljem na osnovu slike ili tražiti sugestiju za jelo na osnovu hrane koja se nalazi u frižideru. Takođe, ChatGPT će moći da rešava matematičke probleme koji se fotografišu.
OpenAI je istakao potencijalnu zloupotrebu ove tehnologije, uključujući mogućnost imitacije glasova javnih ličnosti i običnih ljudi u svrhu prevare. Zbog toga se kompanija fokusira na ograničavanje korišćenja ove funkcionalnosti i sarađuje sa odabranim partnerima na ograničenim slučajevima upotrebe.
Takođe, OpenAI je vodio računa o privatnosti pojedinaca na fotografijama i ograničio način na koji ChatGPT može analizirati i davati informacije o osobama koje se pojavljuju na slikama.
Ova nadogradnja takođe omogućava korisnicima da ChatGPT bolje razume engleski jezik na fotografijama u poređenju sa drugim jezicima. Spotify je takođe u saradnji sa OpenAI lansirao alat Voice Translation, koji omogućava prevod podcasta na različite jezike putem tehnologije bazirane na glasu.