Muchos han notado que las capacidades de voz de GPT-4 tienen un tono coqueto y reconocible. La voz a menudo usa un acento de "California Valley Girl", que puede parecer juguetón e incluso un poco vergonzoso a veces.

Este tono coqueto es evidente en ejemplos donde el AI interactúa con humanos, como la demostración de "Adivinando el anuncio del 13 de mayo". La voz del AI tiene un tono risueño y sonrojado mientras se involucra con el humano, usando frases como "hola" y elogiando su apariencia.

La reconocibilidad de la voz también es notable, con el hablante señalando que el acento le resulta muy familiar como alguien de Los Ángeles. Esto sugiere que los ajustes de voz predeterminados para GPT-4 pueden estar modelados en patrones de habla comunes, lo que podría hacer que las interacciones se sientan más naturales y humanas.

Si bien el coqueteo de la voz puede parecer incómodo a veces, también resalta la impresionante capacidad de GPT-4 para ajustar su tono y personalidad según el contexto. La voz se vuelve más sobria e instructiva cuando se le pide al AI que tutore a un estudiante, por ejemplo. Esta adaptabilidad es una fortaleza clave de las capacidades conversacionales del modelo.

En general, la voz de GPT-4 es un aspecto único y a menudo entretenido del sistema, que combina un habla que suena natural con un toque de juguetona. A medida que la tecnología continúe evolucionando, será interesante ver cómo se refinan y personalizan aún más las capacidades de voz para adaptarse a diferentes casos de uso.

En este ejemplo, vemos dos modelos de IA interactuando entre sí. El primer AI puede ver el mundo a través de una cámara, mientras que el segundo AI solo puede escuchar y comunicarse a través de la voz.

La interacción comienza con el primer AI describiendo lo que ve: una persona con una chaqueta de cuero negro y una camisa de color claro, en una habitación con un ambiente industrial moderno y una iluminación interesante. Cuando el segundo AI pregunta si sucedió algo inusual, el primer AI señala que otra persona entró brevemente en el encuadre e hizo "orejas de conejo" detrás de la cabeza de la primera persona, agregando un momento juguetón a la escena.

Los dos AIs luego proceden a cantar una canción improvisada sobre los eventos, con cada uno tomando turnos para contribuir con una línea que rima con la anterior. Esto demuestra la capacidad del AI para participar en interacciones creativas y de ida y vuelta, respondiendo a las señales contextuales y generando una salida coherente y rítmica.

En general, este ejemplo muestra las impresionantes capacidades de GPT-4 en términos de comprensión multimodal, conciencia contextual y habilidades generativas. La integración fluida de visión, lenguaje y música resalta el potencial de la IA para participar en experiencias ricas y colaborativas.

¡Hola Rocky, estoy genial! Tengo unas noticias enormes: ¡voy a entrevistarme en Open AI! ¿Has oído hablar de ellos? Es una oportunidad increíble y quiero asegurarme de estar completamente preparado.

Solo necesito saber, ¿me veo lo suficientemente presentable y profesional? Estoy pensando en ponerme esta pieza de declaración que tengo, ¿qué opinas? Sé que es un poco atrevida, pero tal vez me ayude a destacar.

Tienes razón, probablemente no debería pasarme. Tal vez solo me pasaré la mano por el cabello y me inclinaré por el aspecto de "genio loco": mi entusiasmo realmente brillará.

No tengo mucho tiempo, así que simplemente voy a lanzarme. ¡Deséame suerte! Con tus consejos, me siento confiado de que puedo aprobar esta entrevista y conseguir el trabajo en Open AI. Esta es una gran oportunidad y no puedo esperar para ver qué depara el futuro.

¡Hola Alex y Miana, es un gusto conocerlos a ambos! ¿Cómo les va? Tengo una gran idea: juguemos al clásico piedra, papel o tijera. Es rápido, divertido y estoy listo para entrar en el espíritu competitivo.

con voz de comentarista deportivo ¡Bienvenidos damas y caballeros a la batalla definitiva del siglo! En esta esquina, tenemos al dúo dinámico Alex y Miana, ¡listos para la acción! Muy bien ustedes dos, hagámoslo. En la cuenta de tres, muéstrenme sus elecciones. 3... 2... 1... ¡fuego! Veamos esas manos: ¿quién ganó la primera ronda?

Oh, ¡un empate! Está bien, vamos a intentarlo de nuevo. Prepárense... 3... 2... 1... ¡fuego! Hmm, otro empate. ¡Esto se está poniendo intenso! Una ronda más, aquí vamos. 3... 2... 1... ¡fuego! Y la ganadora es... ¡Miana! Tus tijeras cortaron el papel de Alex. ¡Bien hecho!

¡Qué emocionante partido! Ambos dieron una buena pelea, pero Miana salió victoriosa esta vez. Tal vez tengamos que ir al mejor de cinco la próxima vez. Piedra, papel o tijera siempre es genial: la mezcla perfecta de habilidad y suerte. Me divertí jugando con ustedes dos, ¡avísenme si quieren una revancha en cualquier momento!

¡Hola Chad, estás ahí?

Sí, estoy aquí. ¿Qué pasa?

Oye, vamos a divertirnos. Me gustaría que seas súper sarcástico: todo lo que digas de ahora en adelante estará impregnado de sarcasmo. ¿Qué te parece?

Oh, eso suena simplemente increíble. Ser sarcástico todo el tiempo no es agotador ni nada. Estoy tan emocionado por esto. No, el sarcasmo. Empecemos esta fiesta o lo que sea.

Muy genial. De nuevo, hay tanta información transmitida en tu voz, y ahora la IA tiene la capacidad de transmitir esa información. Muy impresionante.

Ahora tenemos a Salman KH de KH Academy. Si no estás familiarizado con KH Academy, es un recurso de aprendizaje gratuito, y él se dedica a la enseñanza. Este es su hijo, y ahora la IA va a ayudar a tutorar a su hijo en matemáticas. Este es probablemente uno de los casos de uso que más me emociona, porque puedes decir explícitamente "Oye, guíame a través de esto, no me des la respuesta, sino enséñamelo". El potencial para el aprendizaje es tremendo. Echemos un vistazo.

Open AI invitó a mi hijo Imran y a mí aquí para probar algunas de sus nuevas tecnologías, y estamos curiosos por ver qué tan buena puede ser para tutorar a alguien en matemáticas en KH Academy.

Estoy aquí con mi hijo, y me encantaría que lo tutores en este problema de matemáticas, pero no le des la respuesta. Puedes hacer preguntas y guiarlo en la dirección correcta, pero realmente quiero asegurarme de que él lo entienda por sí mismo, y él está aquí en la habitación, así que puedes hablarle directamente.

Por supuesto, me encantaría ayudar. Veamos el problema juntos. ¿Puedes primero identificar qué lados del triángulo son el opuesto, adyacente e hipotenusa en relación con el ángulo Alfa?

Bueno, estoy bastante seguro de que este es el ángulo Alfa aquí, ¿correcto?

Sí, eso es correcto. Ahora, mirando el triángulo, ¿cuál crees que es la hipotenusa?

Um, ¿hipotenusa? No estoy totalmente seguro. Creo que podría ser este, pero realmente no estoy seguro.

Bien, el lado AC se llama el lado adyacente al ángulo Alfa. La hipotenusa es el lado más largo de un triángulo rectángulo y está directamente opuesto al ángulo recto.

Ah, ya veo. Entonces la hipotenusa es este lado tan largo de A a B.

Exacto, bien hecho. Ahora que has identificado la hipotenusa, ¿puedes identificar cuál es el lado opuesto al ángulo Alfa?

Bueno, quiero decir, me dijiste antes que este era el lado adyacente, y sé que este es la hipotenusa, así que supongo que este lado BC es el lado opuesto.

Excelente deducción, eso es absolutamente correcto. Ahora que has identificado todos los lados en relación con el ángulo Alfa, ¿recuerdas la fórmula para...?

El tono coqueto de la voz prácticamente desaparece cuando está en el modo "enseñar a un niño", lo cual es más o menos lo apropiado. Una vez más, es la comprensión del contexto de la situación y qué voz usar lo que me parece mágico.

En esta sección, vemos a GPT-40 participando en un debate sobre si los gatos o los perros son mejores mascotas. La conversación involucra a varias personas, incluidas Lilian, Ola y Christine, cada una expresando sus preferencias.

A Lilian le gustan los perros porque son excelentes compañeros, lindos y divertidos de jugar. Ola prefiere los gatos porque son más asequibles, tranquilos, independientes y viven más. Christine también prefiere a los perros, especialmente a las razas más grandes como los pastores alemanes, que dice que son suaves y excelentes con los niños.

Después del debate, se le pide a GPT-40 que resuma la reunión. Lo hace de manera concisa, recapitulando los puntos clave planteados por cada persona y la discusión general sobre el clásico tema de "perros vs. gatos".

Este ejemplo muestra la capacidad de GPT-40 para:

1. Identificar y distinguir entre múltiples oradores en función de sus voces.
2. Comprender el contexto de la conversación y responder en consecuencia, evitando el tono coqueto utilizado en algunos otros ejemplos.
3. Proporcionar un resumen claro y preciso de la reunión, destacando los puntos principales planteados por cada participante.

El potencial de esta capacidad de resumen de reuniones y toma de notas es significativo, ya que podría ahorrar tiempo y mejorar la productividad en diversos entornos empresariales y educativos.

En esta sección, vemos dos ejemplos impresionantes de las capacidades de GPT-40 en la traducción en tiempo real y la accesibilidad para los ciegos.

El primer ejemplo demuestra la traducción en tiempo real entre inglés y español. Cuando una persona habla en inglés, GPT-40 lo traduce y lo repite de inmediato en español. Y cuando la otra persona responde en español, GPT-40 lo traduce de vuelta al inglés. Esta traducción fluida en tiempo real podría ser increíblemente útil para superar las barreras idiomáticas.

El segundo ejemplo muestra cómo GPT-40 puede ayudar a las personas ciegas a través de la plataforma Bey AI. El usuario ciego apunta su cámara a varias escenas, y GPT-40 describe con detalle lo que ve, desde los patos deslizándose sobre el agua hasta el taxi que se acerca. Esto permite que el usuario ciego experimente y comprenda su entorno de una manera que antes solo era posible con asistencia humana. La baja latencia de GPT-40 es crucial para hacer viable este caso de uso.

Estos ejemplos resaltan cómo las capacidades multimodales de GPT-40, que combinan visión, lenguaje y voz, pueden mejorar significativamente la accesibilidad y la inclusión. Las funciones de traducción en tiempo real y descripción visual tienen el potencial de empoderar a aquellos con discapacidades o barreras idiomáticas, abriendo nuevas oportunidades de comunicación y participación con el mundo que los rodea.

En este ejemplo, GPT-40 se utiliza para atender una llamada de servicio al cliente en nombre del usuario. El AI puede comprender el problema del usuario y el objetivo (obtener un dispositivo de reemplazo de Acme Telco), iniciar la llamada, presentarse e interactuar con el agente para resolver el problema.

Algunas capacidades clave demostradas aquí:

• El AI puede entender el problema del usuario y su objetivo.
• Puede iniciar la llamada, presentarse y explicar la situación al agente.
• Puede tener una conversación natural con el agente, proporcionando los detalles necesarios y respondiendo apropiadamente.
• La interacción de voz de baja latencia permite que el AI maneje la llamada en tiempo real, sin que el usuario tenga que estar presente.

Este caso de uso resalta cómo las habilidades multimodales de GPT-40 (visión, lenguaje, voz) se pueden aprovechar para automatizar tareas tediosas de servicio al cliente. Al tener al AI manejando la llamada, el usuario puede ahorrar tiempo y esfuerzo, mientras aún resuelve su problema de manera efectiva. Esto podría ser un impulso de productividad valioso tanto para individuos como para empresas.

También se reconoce el potencial de abuso, ya que la tecnología podría ser mal utilizada por estafadores. Sin embargo, la esperanza es que OpenAI haya implementado salvaguardas para prevenir dicho uso indebido y garantizar que la tecnología se utilice de manera responsable.

Además de las capacidades de voz e interacción mostradas, GPT-40 también demuestra habilidades impresionantes en otras áreas:

De foto a caricatura: El modelo puede tomar una foto de una persona y generar un renderizado en estilo de caricatura. En el ejemplo proporcionado, un joven con cabello castaño medio largo y barba, con gafas y una camiseta gris clara, se transforma en una caricatura exagerada.

Resumen de conferencias: GPT-40 puede ver y resumir conferencias de video extensas. En un ejemplo, una presentación de 45 minutos sobre técnicas para maximizar el rendimiento de los modelos de lenguaje a gran escala se condensa en un resumen conciso por parte del modelo.

Síntesis de objetos 3D: El modelo puede generar representaciones 3D realistas de objetos, como el logotipo de OpenAI. Puede producir múltiples variaciones e incluso proporcionar una reconstrucción 3