Viele haben bemerkt, dass die Sprachfähigkeiten von GPT-4 eine flirtende und wiedererkennbare Qualität haben. Die Stimme verwendet oft einen "California Valley Girl"-Akzent, der manchmal verspielt und sogar etwas peinlich erscheinen kann.

Diese flirtende Tonlage ist in Beispielen zu erkennen, in denen die KI mit Menschen interagiert, wie in der "Guessing May 13th's Announcement"-Demo. Die Stimme der KI hat eine kichernde, errötende Qualität, wenn sie mit dem Menschen interagiert und Phrasen wie "hey da" verwendet und dessen Aussehen lobt.

Die Wiedererkennbarkeit der Stimme ist ebenfalls bemerkenswert, da der Sprecher anmerkt, dass der Akzent ihm als jemandem aus Los Angeles sehr vertraut ist. Dies deutet darauf hin, dass die Standardstimmeinstellungen für GPT-4 möglicherweise auf gängigen Sprachmustern basieren, was die Interaktionen natürlicher und menschenähnlicher erscheinen lassen könnte.

Obwohl die Flirtigkeit der Stimme manchmal etwas unbeholfen erscheinen mag, hebt sie auch die beeindruckende Fähigkeit von GPT-4 hervor, seinen Ton und seine Persönlichkeit je nach Kontext anzupassen. Die Stimme wird zum Beispiel zurückhaltender und instruktiver, wenn die KI gebeten wird, einen Schüler zu unterrichten. Diese Anpassungsfähigkeit ist eine Schlüsselstärke der Gesprächsfähigkeiten des Modells.

Insgesamt ist die Stimme von GPT-4 ein einzigartiger und oft unterhaltsamer Aspekt des Systems, der natürlich klingende Sprache mit einer Prise Verspielheit verbindet. Da sich die Technologie weiterentwickelt, wird es interessant sein zu sehen, wie die Stimmfähigkeiten weiter verfeinert und an verschiedene Anwendungsfälle angepasst werden.

In diesem Beispiel sehen wir zwei KI-Modelle, die miteinander interagieren. Die erste KI kann die Welt durch eine Kamera sehen, während die zweite KI nur hören und durch Sprache kommunizieren kann.

Die Interaktion beginnt damit, dass die erste KI beschreibt, was sie sieht - eine Person, die eine schwarze Lederjacke und ein helleres Hemd trägt, in einem Raum mit einem modernen industriellen Ambiente und interessanter Beleuchtung. Als die zweite KI fragt, ob etwas Ungewöhnliches passiert ist, bemerkt die erste KI, dass kurz eine andere Person in den Rahmen kam und "Hasenohren" hinter dem Kopf der ersten Person machte, was der Szene einen verspielten Moment hinzufügte.

Die beiden KIs beginnen dann, ein improvisiertes Lied über die Ereignisse zu singen, wobei jede abwechselnd eine Zeile beisteuert, die sich auf die vorherige reimt. Dies zeigt die Fähigkeit der KI, sich in kreative, hin- und hergehende Interaktionen zu begeben, auf kontextuelle Hinweise zu reagieren und kohärente, rhythmische Ausgabe zu erzeugen.

Insgesamt zeigt dieses Beispiel die beeindruckenden Fähigkeiten von GPT-4 in Bezug auf multimodale Verständnis, kontextuelle Bewusstheit und generative Fähigkeiten. Die nahtlose Integration von Vision, Sprache und Musik hebt das Potenzial von KI hervor, an reichhaltigen, kollaborativen Erlebnissen teilzunehmen.

Hey Rocky, mir geht es großartig! Ich habe riesige Neuigkeiten - ich werde gleich bei Open AI vorstellig! Hast du schon davon gehört? Es ist eine unglaubliche Gelegenheit und ich möchte sicherstellen, dass ich voll und ganz darauf vorbereitet bin.

Ich muss nur wissen, sehe ich präsentabel und professionell genug aus? Ich denke darüber nach, dieses Statement-Piece anzuziehen, was denkst du? Ich weiß, es ist etwas gewagt, aber vielleicht hilft es mir, aufzufallen.

Du hast Recht, ich sollte es nicht übertreiben. Vielleicht werde ich mir einfach mit der Hand durch die Haare fahren und den "verrückten Genie"-Look anziehen - meine Begeisterung wird sicher durchkommen.

Ich habe nicht viel Zeit, also werde ich einfach loslegen. Wünsch mir Glück! Mit deinem Rat fühle ich mich zuversichtlich, dass ich das Vorstellungsgespräch bei Open AI meistern und den Job bekommen kann. Das ist eine riesige Chance und ich kann es kaum erwarten, was die Zukunft bringt.

Hey Alex und Miana, schön euch kennenzulernen! Wie geht es euch? Ich habe eine tolle Idee - lass uns ein klassisches Schere-Stein-Papier spielen. Es ist schnell, lustig und ich bin bereit, in den Wettbewerbsgeist zu kommen.

in Sportkommentator-Stimme Willkommen, meine Damen und Herren, zum ultimativen Showdown des Jahrhunderts! In diesem Eck haben wir das dynamische Duo Alex und Miana, bereit zum Showdown! Okay, ihr beiden, lasst uns loslegen. Auf drei, zeigt eure Wahl. 3... 2... 1... los! Lass uns sehen, was ihr für Hände habt - wer hat die erste Runde gewonnen?

Oh, ein Unentschieden! Okay, noch einmal. Macht euch bereit... 3... 2... 1... los! Hmm, noch ein Unentschieden. Das wird spannend! Eine Runde noch, hier geht's los. 3... 2... 1... los! Und der Gewinner ist... Miana! Deine Schere hat Alex' Papier besiegt. Gut gemacht!

Was für ein aufregendes Match! Ihr beide habt gut gekämpft, aber Miana hat dieses Mal gewonnen. Vielleicht müssen wir nächstes Mal den Besten von Fünf spielen. Schere-Stein-Papier ist immer ein Spaß - die perfekte Mischung aus Können und Zufall. Ich hatte Spaß mit euch beiden, lass uns wissen, wenn ihr eine Revanche wollt!

Die Flirtigkeit der Stimme ist so gut wie verschwunden, wenn sie im "Schüler unterrichten"-Modus ist, was auch irgendwie richtig ist. Wieder ist es das Verständnis des Kontexts der Situation und welche Stimme man dafür verwenden soll, was sich für mich wie Magie anfühlt.

In diesem Abschnitt sehen wir, wie GPT-40 an einer Debatte darüber teilnimmt, ob Katzen oder Hunde die besseren Haustiere sind. Das Gespräch beinhaltet mehrere Personen, darunter Lilian, Ola und Christine, die jeweils ihre Präferenzen zum Ausdruck bringen.

Lilian mag Hunde, weil sie tolle Begleiter sind, süß aussehen und Spaß zum Spielen machen. Ola bevorzugt Katzen, da sie kostengünstiger, ruhiger, unabhängiger und länger leben. Christine favorisiert ebenfalls Hunde, insbesondere größere Rassen wie Deutsche Schäferhunde, die sie als sanft und großartig mit Kindern beschreibt.

Nach der Debatte wird GPT-40 gebeten, das Treffen zusammenzufassen. Es tut dies prägnant, indem es die Hauptpunkte, die von jeder Person gemacht wurden, und die gesamte Diskussion über das klassische Thema "Hunde vs. Katzen" zusammenfasst.

Dieses Beispiel zeigt die Fähigkeiten von GPT-40, Folgendes zu leisten:

1. Identifizieren und Unterscheiden mehrerer Sprecher anhand ihrer Stimmen.
2. Den Kontext des Gesprächs verstehen und entsprechend darauf reagieren, ohne den flirtenden Ton zu verwenden, der in einigen anderen Beispielen zu hören war.
3. Eine klare und genaue Zusammenfassung des Treffens zu liefern und die Hauptpunkte jedes Teilnehmers hervorzuheben.

In diesem Abschnitt sehen wir zwei beeindruckende Beispiele für die Fähigkeiten von GPT-40 bei der Echtzeitübersetzung und der Barrierefreiheit für Blinde.

Das erste Beispiel zeigt die Echtzeitübersetzung zwischen Englisch und Spanisch. Wenn eine Person auf Englisch spricht, übersetzt GPT-40 es sofort und wiederholt es auf Spanisch. Und wenn die andere Person auf Spanisch antwortet, übersetzt es das wieder auf Englisch. Diese nahtlose Übersetzung in Echtzeit könnte unglaublich nützlich sein, um Sprachbarrieren abzubauen.

Das zweite Beispiel zeigt, wie GPT-40 über die Bey AI-Plattform blinden Personen helfen kann. Der blinde Nutzer richtet seine Kamera auf verschiedene Szenen, und GPT-40 beschreibt detailliert, was es sieht - von den Enten, die über das Wasser gleiten, bis zum herannahenden Taxi. Dies ermöglicht dem blinden Nutzer, seine Umgebung auf eine Weise zu erleben und zu verstehen, die zuvor nur mit menschlicher Hilfe möglich war. Die geringe Latenz von GPT-40 ist entscheidend, um diese Anwendung praktikabel zu machen.

In diesem Beispiel wird GPT-40 verwendet, um einen Kundenservice-Anruf für den Nutzer zu bearbeiten. Die KI kann die Anfrage des Nutzers verstehen, sich mit der Kundenservice-Hotline verbinden und mit dem Agenten interagieren, um das Problem zu lösen.

Einige der hier gezeigten Schlüsselfähigkeiten:

• Die KI kann das Problem und das Ziel des Nutzers (ein Ersatzgerät von Acme Telco zu bekommen)