Skip to main content

La actualización de ChatGPT finalmente rompe la barrera del texto

OpenAI está implementando nuevas funcionalidades para ChatGPT que permitirán que las indicaciones se ejecuten con imágenes y directivas de voz además de texto.

La marca AI anunció el lunes que pondrá estas nuevas características a disposición de los usuarios de ChatGPT Plus y Enterprise durante las próximas dos semanas. La función de voz está disponible en iOS y Android en una capacidad opcional, mientras que la función de imágenes está disponible en todas las plataformas ChatGPT. OpenAI señala que planea expandir la disponibilidad de las imágenes y las funciones de voz más allá de los usuarios pagos después del lanzamiento escalonado.

Indicador de imagen OpenAI.
Twitter/X

El chat de voz funciona como una conversación auditiva entre el usuario y ChatGPT. Presionas el botón y dices tu pregunta. Después de procesar la información, el chatbot le da una respuesta en el habla auditiva en lugar de en el texto. El proceso es similar al uso de asistentes virtuales como Alexa o Google Assistant y podría ser el preámbulo de una renovación completa de los asistentes virtuales en su conjunto. El anuncio de OpenAI se produce pocos días después de que Amazon revelara una característica similar que llegará a Alexa.

Para implementar la comunicación de voz y audio con ChatGPT, OpenAI utiliza un nuevo modelo de texto a voz que puede generar «audio similar al humano a partir de solo texto y unos segundos de habla de muestra». Además, su modelo Whisper puede «transcribir sus palabras habladas en texto».

OpenAI dice que es consciente de los problemas que podrían surgir debido al poder detrás de esta característica, incluido «el potencial de que los actores maliciosos se hagan pasar por figuras públicas o cometan fraude».

Esta es una de las principales razones por las que la compañía planea limitar el uso de sus nuevas características a «casos de uso y asociaciones específicos». Incluso cuando las características estén más ampliamente disponibles, serán accesibles principalmente para usuarios más privilegiados, como los desarrolladores.

ChatGPT can now see, hear, and speak. Rolling out over next two weeks, Plus users will be able to have voice conversations with ChatGPT (iOS & Android) and to include images in conversations (all platforms). https://t.co/uNZjgbR5Bm pic.twitter.com/paG0hMshXb

— OpenAI (@OpenAI) September 25, 2023

La función de imagen le permite capturar una imagen e ingresarla en ChatGPT con su pregunta o aviso. Puede usar la herramienta de dibujo con la aplicación para ayudar a aclarar su respuesta y tener una conversación de ida y vuelta con el chatbot hasta que se resuelva su problema. Esto es similar a la nueva función Copilot de Microsoft en Windows, que se basa en el modelo de OpenAI.

OpenAI también ha reconocido los desafíos de ChatGPT, como su problema de alucinación en curso. Cuando se alineó con la función de imagen, la marca decidió limitar ciertas funcionalidades, como la «capacidad del chatbot para analizar y hacer declaraciones directas sobre las personas».

ChatGPT se introdujo por primera vez como una herramienta de texto a voz a fines del año pasado; sin embargo, OpenAI ha expandido rápidamente su destreza. El chatbot original basado en el modelo de lenguaje GPT-3 se ha actualizado a GPT-3.5 y ahora GPT-4, que es el modelo que recibe la nueva característica.

Cuando GPT-4 se lanzó por primera vez en marzo, OpenAI anunció varias colaboraciones empresariales, como Duolingo, que utilizó el modelo de IA para mejorar la precisión de las lecciones basadas en la escucha y el habla en la aplicación de aprendizaje de idiomas. OpenAI ha colaborado con Spotify para traducir podcasts a otros idiomas mientras preserva el sonido de la voz del podcaster. La compañía también habló de su trabajo con la aplicación móvil, Be My Eyes, que trabaja para ayudar a las personas ciegas y con baja visión. Muchas de estas aplicaciones y servicios estaban disponibles antes de la actualización de imágenes y voz.

Recomendaciones del editor

Diego Bastarrica
Diego Bastarrica es periodista y docente de la Universidad Diego Portales de Chile. Especialista en redes sociales…
OpenAI necesita solo 15 segundos de audio para que su IA clone una voz
Mujer está sosteniendo su teléfono y haciendo una grabación de voz al interior de una casa.

En los últimos años, el tiempo de escucha requerido por una pieza de IA para clonar la voz de alguien se ha ido acortando cada vez más. Antes eran minutos, ahora son solo segundos.

OpenAI, la compañía respaldada por Microsoft detrás del chatbot viral de IA generativa ChatGPT, reveló recientemente que su propia tecnología de clonación de voz requiere solo 15 segundos de material de audio para reproducir la voz de alguien.

Leer más
Mistral AI: así es la inteligencia artificial que busca desplazar a ChatGPT
El logotipo de Mistral AI.

Es poco probable que en tu día a día no oigas hablar sobre inteligencia artificial y ChatGPT, una plataforma con la que puedes crear textos listos para publicarse en internet o mejorar una página web. Sin embargo, que ChatGPT sea la inteligencia artificial por antonomasia no significa que no existan otras plataformas, y una de ellas es Mistral AI.

Mistral AI es una startup francesa y es la responsable de Mistral Large, un modelo de lenguaje que presume ofrecer mejores resultados que Claude 2, Gemini Pro, de Google y LLaMA, de Meta. Claro, esas son las mediciones ofrecidas por Mistral AI, sin embargo, si eres un entusiasta de los modelos de lenguaje de inteligencia artificial, no pierdes nada con probar algunas de las opciones de código abierto de Mistral AI: Mistral 7B, que acepta prompts en inglés y en código, y Mistral 8x7B, compatible con prompts en inglés, francés, italiano, alemán, español y en código.

Leer más
Así es la dura demanda de Elon Musk contra OpenAI: no beneficia a la humanidad
Elon Musk demanda

Una durísima demanda presentó este jueves 29 de febrero, Elon Musk en un tribunal de San Francisco, ante la empresa de la que fue accionista en su momento, OpenAI.

El dueño de Tesla y X dice que Sam Altman y compañía lo único que buscan son ganancias y que "abandonaron" su misión fundacional de desarrollar tecnología de inteligencia artificial que beneficie a la humanidad.
Musk alega que la asociación de OpenAI con Microsoft ha transformado a la organización "en una subsidiaria de facto de código cerrado" de Microsoft que se centra en maximizar las ganancias.
Según la demanda, tales acciones constituyen una violación del acuerdo fundacional entre Musk, quien cofundó OpenAI en 2015 pero ya no conserva una participación en la compañía.

Leer más