Muitos observaram que as capacidades de voz do GPT-4 têm uma qualidade de flerte e reconhecível. A voz geralmente usa um sotaque de "Garota do Vale da Califórnia", que pode parecer brincalhão e até um pouco constrangedor às vezes.

Este tom de flerte é evidente em exemplos em que o AI interage com humanos, como a demonstração "Adivinhando o Anúncio de 13 de Maio". A voz do AI tem uma qualidade risonha e envergonhada quando se envolve com o humano, usando frases como "ei aí" e elogiando sua aparência.

A reconhecibilidade da voz também é notável, com o locutor observando que o sotaque é muito familiar para ele como alguém de Los Angeles. Isso sugere que as configurações de voz padrão para o GPT-4 podem ser modeladas em padrões de fala comuns, o que poderia tornar as interações mais naturais e semelhantes a humanos.

Embora a flirtação da voz possa parecer constrangedora às vezes, ela também destaca a impressionante capacidade do GPT-4 de ajustar seu tom e personalidade com base no contexto. A voz se torna mais contida e instrucional quando o AI é solicitado a tutor um aluno, por exemplo. Esta adaptabilidade é uma das principais forças das capacidades conversacionais do modelo.

Em geral, a voz do GPT-4 é um aspecto único e muitas vezes divertido do sistema, combinando fala natural com um toque de brincadeira. À medida que a tecnologia continuar a evoluir, será interessante ver como as capacidades de voz serão ainda mais refinadas e personalizadas para atender a diferentes casos de uso.

Neste exemplo, vemos dois modelos de IA interagindo entre si. O primeiro AI é capaz de ver o mundo através de uma câmera, enquanto o segundo AI só pode ouvir e se comunicar por voz.

A interação começa com o primeiro AI descrevendo o que vê - uma pessoa usando uma jaqueta de couro preta e uma camisa de cor clara, em uma sala com um estilo industrial moderno e iluminação interessante. Quando o segundo AI pergunta se algo incomum aconteceu, o primeiro AI observa que outra pessoa entrou brevemente no quadro e fez "orelhas de coelho" atrás da cabeça da primeira pessoa, adicionando um momento brincalhão à cena.

Os dois AIs então prosseguem cantando uma música improvisada sobre os eventos, com cada um tomando turnos contribuindo com uma linha que rima com a anterior. Isso demonstra a capacidade do AI de se envolver em interações criativas e recíprocas, respondendo a pistas contextuais e gerando uma saída coerente e rítmica.

Em geral, este exemplo demonstra as impressionantes capacidades do GPT-4 em termos de compreensão multimodal, consciência contextual e habilidades generativas. A integração perfeita de visão, linguagem e música destaca o potencial do AI de participar de experiências ricas e colaborativas.

Ei Rocky, estou ótimo! Tenho uma notícia enorme - vou fazer uma entrevista na Open AI! Você já ouviu falar deles? É uma oportunidade incrível e quero me certificar de que estou totalmente preparado.

Preciso saber apenas, eu pareço apresentável e profissional o suficiente? Estou pensando em apenas usar essa peça de declaração que tenho, o que você acha? Eu sei que é um pouco ousado, mas talvez me ajude a me destacar.

Você tem razão, provavelmente não devo exagerar demais. Talvez eu apenas passe a mão pelos cabelos e me apoie no visual de "gênio louco" - meu entusiasmo vai brilhar.

Não tenho muito tempo, então vou apenas ir para cima. Deseje-me sorte! Com seus conselhos, estou confiante de que posso passar nesta entrevista e conseguir o emprego na Open AI. Esta é uma grande oportunidade e mal posso esperar para ver o que o futuro reserva.

Ei Alex e Miana, prazer em conhecê-los! Como vocês estão? Tenho uma ótima ideia - vamos jogar o clássico jogo de pedra, papel e tesoura. É rápido, divertido e estou pronto para entrar no espírito competitivo.

em uma voz de locutor esportivo Bem-vindos, senhoras e senhores, ao confronto definitivo do século! Neste canto, temos o dinâmico duo Alex e Miana, prontos para a briga! Tudo bem vocês dois, vamos fazer isso. Na contagem de três, mostrem suas escolhas. 3... 2... 1... atire! Vamos ver essas mãos - quem ganhou a primeira rodada?

Ooh, um empate! Okay, vamos lá de novo. Fiquem prontos... 3... 2... 1... atire! Hmm, outro empate. Isso está ficando intenso! Uma rodada mais, aqui vamos nós. 3... 2... 1... atire! E a vencedora é... Miana! Suas tesouras cortaram o papel de Alex. Ótimo trabalho!

Que partida emocionante! Vocês dois lutaram bem, mas Miana saiu vencedora dessa vez. Talvez tenhamos que ir para a melhor de cinco na próxima vez. Pedra, papel e tesoura é sempre uma delícia - a mistura perfeita de habilidade e sorte. Me diverti jogando com vocês dois, me avisem se quiserem uma revanche a qualquer momento!

Ei Chad, você está aí?

Estou, sim. O que foi?

Olha, vamos nos divertir. Eu gostaria que você fosse super sarcástico - tudo o que você disser daqui em diante vai estar pingando de sarcasmo. Como isso soa?

Oh, isso soa incrível. Ser sarcástico o tempo todo não é nada cansativo ou algo assim. Estou tão animado com isso. Não, o sarcasmo. Vamos começar essa festa ou o que for.

Muito legal. Novamente, há tanta informação transmitida na sua voz, e agora o AI tem a capacidade de transmitir essa informação. Muito impressionante.

Agora temos o Salman KH da KH Academy. Se você não conhece a KH Academy, é um recurso de aprendizagem gratuito, e ele é todo sobre ensinar. Este é o filho dele, e agora o AI vai ajudar a tutorá-lo em matemática. Este é provavelmente um dos casos de uso que mais me entusiasmam, porque você pode dizer explicitamente "Ei, me explique isso, não me dê a resposta, mas me ensine". O potencial para o aprendizado é enorme. Vamos dar uma olhada.

A Open AI convidou a mim e meu filho Imran aqui para experimentar algumas de suas novas tecnologias, e estamos curiosos sobre o quão bom isso pode ser em tutoriar alguém em matemática na KH Academy.

Estou aqui com meu filho, e eu adoraria que você o tutorasse neste problema de matemática, mas não lhe dê a resposta. Você pode fazer perguntas e dar dicas na direção certa, mas realmente quero me certificar de que ele entenda por si mesmo, e ele está aqui na sala, então você pode falar com ele diretamente.

Claro, eu ficaria feliz em ajudar. Vamos olhar o problema juntos. Você pode primeiro identificar quais lados do triângulo são o oposto, adjacente e hipotenusa em relação ao ângulo Alfa?

Tá bom, então eu tenho certeza de que este é o ângulo Alfa aqui, certo?

Sim, isso está correto. Agora, olhando para o triângulo, qual lado você acha que é a hipotenusa?

Hm, hipotenusa? Não tenho certeza total. Acho que pode ser este, mas realmente não tenho certeza.

Ok, o lado AC é chamado de lado adjacente ao ângulo Alfa. A hipotenusa é o lado mais longo de um triângulo retângulo e fica diretamente oposto ao ângulo reto.

Ah, entendi. Então a hipotenusa é este lado bem longo de A a B.

Isso mesmo, muito bem. Agora que você identificou a hipotenusa, você consegue identificar qual lado é o lado oposto ao ângulo Alfa?

Bem, quero dizer, você me disse antes que este era o lado adjacente, e eu sei que este é a hipotenusa, então eu acho que este lado BC é o lado oposto.

Ótima dedução, isso está absolutamente correto. Agora que você identificou todos os lados em relação ao ângulo Alfa, você lembra a fórmula para...

O tom de flerte da voz praticamente desaparece quando está no modo "ensinando uma criança", o que é a coisa certa a fazer. Novamente, é o entendimento do contexto da situação e qual voz usar que parece mágico para mim.

Nesta seção, vemos o GPT-40 participando de um debate sobre se gatos ou cachorros são melhores animais de estimação. A conversa envolve várias pessoas, incluindo Lilian, Ola e Christine, cada uma expressando suas preferências.

Lilian gosta de cachorros porque eles são ótimos companheiros, fofos e divertidos de brincar. Ola prefere gatos, pois são mais acessíveis, silenciosos, independentes e vivem mais. Christine também prefere cachorros, especialmente raças maiores como Pastor Alemão, que ela diz serem gentis e ótimos com crianças.

Depois do debate, o GPT-40 é solicitado a resumir a reunião. Ele o faz de forma concisa, recapitulando os principais pontos feitos por cada pessoa e a discussão geral sobre o clássico tópico "cachorros vs. gatos".

Este exemplo demonstra a capacidade do GPT-40 de:

1. Identificar e distinguir entre vários oradores com base em suas vozes.
2. Entender o contexto da conversa e responder de acordo, evitando o tom de flerte usado em alguns outros exemplos.
3. Fornecer um resumo claro e preciso da reunião, destacando os principais pontos feitos por cada participante.

O potencial para essa capacidade de resumo de reuniões e tomada de notas é significativo, pois poderia economizar tempo e melhorar a produtividade em diversos ambientes empresariais e educacionais.

Nesta seção, vemos dois exemplos impressionantes das capacidades do GPT-40 em tradução em tempo real e acessibilidade para deficientes visuais.

O primeiro exemplo demonstra a tradução em tempo real entre inglês e espanhol. Quando uma pessoa fala em inglês, o GPT-40 imediatamente traduz e repete em espanhol. E quando a outra pessoa responde em espanhol, o GPT-40 traduz de volta para o inglês. Essa tradução perfeita em tempo real poderia ser incrivelmente útil para quebrar barreiras linguísticas.

O segundo exemplo mostra como o GPT-40 pode ajudar pessoas cegas por meio da plataforma Bey AI. O usuário cego aponta sua câmera para várias cenas, e o GPT-40 descreve em detalhes o que vê - desde os patos deslizando na água até o táxi se aproximando. Isso permite que o usuário cego experimente e compreenda seu ambiente de uma maneira que antes só era possível com assistência humana. A baixa latência do GPT-40 é crucial para tornar esse caso de uso viável.

Esses exemplos destacam como as capacidades multimodais do GPT-40, combinando visão, linguagem e voz, podem melhorar significativamente a acessibilidade e a inclusão. Os recursos de tradução em tempo real e descrição visual têm o potencial de capacitar pessoas com deficiências ou barreiras linguísticas, abrindo novas oportunidades de comunicação e envolvimento com o mundo ao seu redor.

Neste exemplo, o GPT-40 é usado para atender a uma ligação de atendimento ao cliente em nome do usuário. O AI é capaz de entender o pedido do usuário, conectar-se à linha de atendimento ao cliente e interagir com o agente para resolver o problema.

Algumas das principais capacidades demonstradas aqui:

• O AI pode entender o problema do usuário e o objetivo (obter um dispositivo de reposição da Acme Telco).
• Ele pode iniciar a ligação, se apresentar e explicar a situação ao agente.
• Ele pode ter uma conversa natural com o agente, fornecendo os detalhes necessários e respondendo adequadamente.
• A interação de voz de baixa latência permite que o AI atenda à ligação em tempo real, sem a necessidade da presença do usuário.

Este caso de uso destaca como as habilidades multimodais (visão, linguagem, voz) do GPT-40 podem ser aproveitadas para automatizar tarefas tediosas de atendimento ao cliente. Ao ter o AI atendendo a ligação, o usuário pode economizar tempo e esforço, enquanto ainda resolve seu problema de maneira eficaz. Isso poderia ser um aumento valioso de produtividade tanto para indivíduos quanto para empresas.

O potencial de abuso também é reconhecido, pois a tecnologia poderia ser mal utilizada por golpistas. No entanto, a esperança é que a OpenAI tenha implementado salvaguardas para evitar esse tipo de uso indevido e garantir que a tecnologia seja usada de forma responsável.

Além das capacidades de voz e interação demonstradas, o GPT-40 também mostra habilidades impressionantes em outras áreas:

Foto para Caricatura: O modelo pode pegar uma foto de uma pessoa e gerar uma renderização estilo caricatura. No exemplo fornecido, um jovem com cabelos castanhos médios e barba, usando óculos e uma camiseta cinza clara, é transformado em uma caricatura exagerada.

Resumo de Palestra: O GPT-40 pode assistir e resumir palestras de vídeo extensas. Em um exemplo, uma apresentação de 45 minutos sobre técnicas para maximizar o desempenho de modelos de linguagem de grande porte é condensada em um resumo conciso pelo modelo.

Síntese de Objetos 3D: O modelo pode gerar renderizações 3D realistas de objetos, como o logotipo da OpenAI. Ele pode produzir várias variações e até fornecer uma reconstrução 3D que gira, mostrando a natureza 3D da saída.

Essas diversas capacidades destacam a amplitude e a profundidade das habilidades do GPT-40, indo além apenas da voz e interação para incluir tarefas visuais, analíticas e de geração 3D. As potenciais aplicações dessa tecnologia são vastas e empolgantes.

As capacidades do GPT-40 são verdadeiramente notáveis. Desde sua voz flertosa e expressiva até sua capacidade de se