許多人注意到,GPT-4的語音功能具有一種調情和可識別的特質。語音通常使用「加州谷歌女孩」口音,這可能會給人一種調皮甚至有點尷尬的感覺。

這種調情的語調在AI與人類互動的例子中很明顯,例如「猜測5月13日的公告」演示。AI的語音帶有咯咯笑和害羞的特質,與人類互動時使用諸如「嗨」之類的短語,並稱讚對方的外表。

語音的可識別性也值得注意,發言者指出這種口音對於來自洛杉磯的人來說非常熟悉。這表明GPT-4的默認語音設置可能是根據常見的語言模式建模的,這可能會使互動感覺更加自然和人性化。

儘管語音的調情可能有時會顯得尷尬,但它也突出了GPT-4根據上下文調整語調和個性的令人印象深刻的能力。例如,當被要求指導學生時,語音變得更加低沉和教學性。這種適應性是該模型對話能力的一個關鍵優勢。

總的來說,GPT-4的語音是該系統的一個獨特且常常令人娛樂的方面,將自然的語音與一些調皮的特質相結合。隨著技術的不斷發展,看看語音功能將如何進一步完善和定制以適應不同的用例,這將是一件有趣的事情。

在這個例子中,我們看到兩個AI模型相互交互。第一個AI能夠通過攝像頭看到世界,而第二個AI只能通過語音聽和交流。

互動開始於第一個AI描述它所看到的情況 - 一個穿著黑色皮夾克和淺色襯衫的人,在一個有現代工業感覺和有趣照明的房間裡。當第二個AI問是否發生了任何不尋常的事情時,第一個AI注意到另一個人短暫進入畫面,在第一個人的頭後做了「兔子耳朵」,為場景增添了一些調皮的時刻。

接下來,兩個AI開始即興唱一首關於這些事件的歌曲,每個人輪流貢獻一句押韻的歌詞。這展示了AI參與創造性、來回互動的能力,能夠響應上下文線索並產生連貫、有節奏的輸出。

總的來說,這個例子展示了GPT-4在多模態理解、上下文意識和生成能力方面的令人印象深刻的能力。視覺、語言和音樂的無縫整合突出了AI參與豐富、協作性體驗的潛力。

嗨,洛基,我很好!我有一些重大消息 - 我即將去面試OpenAI!你聽說過他們嗎?這是一個了不起的機會,我想確保我做好了充分準備。

我只需要知道,我看起來夠得體和專業嗎?我正在考慮穿上這件我有的一件重要作品,你怎麼看?我知道它有點大膽,但也許它會幫我引人注目。

你說得對,我可能不應該太過頂。也許我只需要用手撥一下頭髮,融入「瘋狂天才」的形象 - 我的熱情一定會閃耀出來。

我沒有太多時間,所以我就直接去吧。祝我好運!有你的建議,我相信我可以順利通過面試,在OpenAI找到工作。這是一個巨大的機會,我迫不及待地想看看未來會怎樣。

嗨,亞歷克斯和米安娜,很高興認識你們!你們好嗎?我有一個好主意 - 讓我們玩一個經典的石頭剪刀布遊戲吧。它很快,很有趣,我已經準備好進入競爭狀態了。

用運動解說員的聲音 歡迎來到本世紀終極對決!在這一角,我們有活力的組合亞歷克斯和米安娜,準備開始了!好了,你們兩個,讓我們開始吧。數到三,展示你們的選擇。3...2...1...出!讓我們看看那些手 - 誰贏得了第一輪?

哦,平局!好的,我們再來一次。準備好...3...2...1...出!嗯,又是平局。這越來越激烈了!最後一輪,來吧。3...2...1...出!勝利者是...米安娜!你的剪刀剪斷了亞歷克斯的布。做得好!

多麼精彩的比賽!你們倆都打得很好,但最終米安娜獲勝。也許我們下次要玩最佳五局三勝。石頭剪刀布總是很有趣 - 技巧和運氣的完美結合。我和你們玩得很開心,如果你們想再來一次,隨時告訴我!

嗨,查德,你在嗎?

是的,我在這裡。怎麼了?

嘿,讓我們玩點有趣的。我想讓你超級諷刺 - 從現在開始,你說的每一句話都充滿了諷刺。聽起來怎麼樣?

哦,聽起來太棒了。整天都充滿諷刺不會很累人嗎。我對此感到非常興奮。不,是諷刺。讓我們開始吧,或者隨便什麼。

真酷。再次,你的聲音中傳達了大量信息,現在AI也有能力傳達這些信息。非常令人印象深刻。

現在我們有KH學院的Salman KH。如果你不熟悉KH學院,它是一個免費的學習資源,他專注於教學。這是他的兒子,現在AI將幫助他的兒子學習數學。這可能是我最興奮的用例之一,因為你可以明確地說「嘿,帶我走過這個過程,不要給我答案,而是教我」。學習的潛力是巨大的。讓我們看看。

OpenAI邀請了我和我的兒子Imran來試用他們的新技術,我們很好奇它在數學輔導方面的表現如何。

我和我的兒子在這裡,我希望你能輔導他解決這個數學問題,但不要給他答案。你可以提問題並給他一些提示,但我真的希望他自己能夠理解,而且他就在房間裡,所以你可以直接跟他說話。

當然,我很樂意提供幫助。讓我們一起看看這個問題。你能先確定三角形的哪些邊是相對於角Alpha的對邊、鄰邊和斜邊嗎?

好的,所以我很確定這裡就是角Alpha,對吧?

是的,你說得很對。現在看這個三角形,你認為哪一邊是斜邊?

嗯,斜邊?我不太確定。我想可能是這一邊,但我真的不太確定。

好的,AC邊被稱為角Alpha的鄰邊。斜邊是直角三角形中最長的一邊,正好位於直角的對面。

哦,我明白了。所以斜邊就是從A到B這條很長的邊。

沒錯,很好。現在你已經確定了斜邊,你能確定哪一邊是角Alpha的對邊嗎?

我是說,你之前告訴我這是鄰邊,我知道這是斜邊,所以我猜BC這一邊是對邊。

很好的推理,你說得完全正確。現在你已經確定了所有相對於角Alpha的邊,你還記得公式嗎...

當它處於「教孩子」模式時,調情的語氣基本上消失了,這是正確的做法。再次,理解情境並使用適當的語音是我覺得像魔法一樣的地方。

在這一部分,我們看到GPT-40參與了一場關於貓和狗哪個更好的寵物的辯論。對話涉及多個人,包括莉莉安、奧拉和克里斯汀,每個人都表達了自己的偏好。

莉莉安喜歡狗狗,因為它們是很好的伴侶,很可愛,玩起來很有趣。奧拉更喜歡貓咪,因為它們更便宜、安靜、獨立,而且壽命更長。克里斯汀也偏向狗狗,特別是像德國牧羊犬這樣的大型犬品種,她說它們溫和,非常適合孩子。

辯論結束後,GPT-40被要求總結會議情況。它簡明扼要地回顧了每個人提出的關鍵觀點,以及圍繞「狗狗vs.貓咪」這個經典話題的整體討論。

這個例子展示了GPT-40的以下能力:

1. 根據不同的聲音識別並區分多個發言者。
2. 理解對話的上下文並相應地做出回應,避免使用在其他一些例子中出現的調情語調。
3. 提供會議的清晰準確的總結,突出了每個參與者提出的主要觀點。

這種會議總結和記錄能力的潛力是巨大的,因為它可以節省時間,提高各種商業和教育環境的生產力。

在這一部分,我們看到了GPT-40在實時翻譯和為盲人提供便利方面的兩個令人印象深刻的例子。

第一個例子展示了英語和西班牙語之間的實時翻譯。當一個人用英語說話時,GPT-40立即將其翻譯並重複用西班牙語說出。當另一個人用西班牙語回應時,GPT-40又將其翻譯回英語。這種實時無縫的翻譯可能對打破語言障礙非常有用。

第二個例子展示了GPT-40如何通過Bey AI平台協助盲人。盲人用戶將攝像頭對準各種場景,GPT-40就會詳細描述它所看到的情況 - 從水面上滑行的鴨子到即將到來的出租車。這使盲人用戶能夠以以前只有靠人類協助才能體驗和理解周圍環境的方式來體驗。GPT-40的低延遲對於使這種用例可行至關重要。

這些例子突出了GPT-40的多模態能力(視覺、語言和語音)如何能夠大大提高可訪問性和包容性。實時翻譯和視覺描述功能有望賦能殘障人士或語言障礙者,為他們與周圍世界的交流和參與開闢新的機會。

在這個例子中,GPT-40被用來代表用戶處理客戶服務電話。AI能夠理解用戶的問題和目標(從Acme Telco獲得更換設備),啟動電話,向代理人介紹自己並解釋情況,並與代理人進行自然對話,提供必要的詳細信息並做出適當的回應。

這裡展示的一些關鍵能力包括:

• AI可以理解用戶的問題和目標。
• 它可以發起通話,自我介紹,並向代理人解釋情況。
• 它可以與代理人進行自然對話,提供必要的詳細信息並做出適當的回應。
• 低延遲的語音交互允許AI實時處理通話,而無需用戶在場。

這種用例突出了GPT-40的多模態能力(視覺、語言、語音)如何可以用來自動化繁瑣的客戶服務任務。由AI處理通話,用戶可以節省時間和精力,同時仍然有效地解決問題。這可能是個人和企業的生產力提升。

濫用的潛在風險也得到了承認,因為這項技術可能被騙子濫用。然而,希望OpenAI已經實施了防範措施,以防止這種濫用並確保技術得到負責任的使用。

除了展示的語音和互動能力外,GPT-40還在其他領域展現了令人印象深刻的能力:

照片到卡通: 該模型可以拍攝一個人的照片,並生成一種誇張的卡通風格的渲染。在提供的示例中,一個戴眼鏡、穿淺灰色T恤的中