OpenAI, yalnızca bir metin kutusuna cümleler yazarak değil, yüksek sesle konuşarak veya yalnızca bir resim yükleyerek AI botunu yönlendirmenize olanak tanıyan hizmetin yeni bir sürümünü kullanıma sunuyor. Yeni özellikler önümüzdeki iki hafta içinde ChatGPT’ye ödeme yapanların kullanımına sunulacak ve OpenAI’ye göre diğer herkes “kısa süre sonra” bu özelliğe sahip olacak.
Sesli sohbet kısmı oldukça tanıdık: Bir düğmeye dokunur ve sorunuzu söylersiniz, ChatGPT bunu metne dönüştürür ve büyük dil modeline besler, yanıt alır, bunu tekrar konuşmaya dönüştürür ve yanıtı yüksek sesle söyler. Sadece Alexa veya Google Asistan ile konuşmak gibi hissettiriyor olmalı. Görünen o ki çoğu sanal asistan, Yüksek Lisans’lara dayanacak şekilde yeniden inşa ediliyor; OpenAI bu oyunda biraz ileride.
OpenAI’in mükemmel Whisper modeli, konuşmayı metne dönüştürme işinin çoğunu yapıyor ve şirket, “yalnızca metinden ve birkaç saniyelik örnek konuşmadan insan benzeri ses” üretebileceğini söylediği yeni bir metinden konuşmaya modelini piyasaya sürüyor. Beş seçenek arasından ChatGPT’nin sesini seçebileceksiniz ancak OpenAI, modelin bundan çok daha fazla potansiyele sahip olduğunu düşünüyor gibi görünüyor.
OpenAI, örneğin podcast’leri diğer dillere çevirmek için Spotify ile birlikte çalışıyor; bunu yaparken de podcast yayıncısının sesini koruyor. Sentetik seslerin pek çok ilginç kullanım alanı var ve OpenAI bu sektörün büyük bir parçası olabilir.
Ancak yalnızca birkaç saniyelik ses ile yetenekli bir sentetik ses oluşturabileceğiniz gerçeği, aynı zamanda her türlü sorunlu kullanım durumunun da kapısını açıyor. Şirket, yeni özellikleri duyuran bir blog yazısında, “Bu yetenekler aynı zamanda kötü niyetli aktörlerin kamuya mal olmuş kişileri taklit etme veya dolandırıcılık yapma potansiyeli gibi yeni riskler de sunuyor.” dedi. OpenAI, modelin tam da bu nedenle geniş kullanıma uygun olmadığını söylüyor; çok daha kontrollü olacak ve belirli kullanım durumları ve ortaklıklarla sınırlandırılacak.
Bu arada görsel arama biraz Google Lens’e benziyor. İlgilendiğiniz şeyin fotoğrafını çekersiniz ve ChatGPT ne sorduğunuzu anlamaya çalışacak ve buna göre yanıt verecektir. Sorgunuzu netleştirmenize veya resimle birlikte konuşabileceğiniz veya sorular yazabilmenize yardımcı olması için uygulamanın çizim aracını da kullanabilirsiniz. ChatGPT’nin ileri geri yapısının faydalı olduğu yer burası; Bir arama yapıp yanlış cevabı aldıktan sonra başka bir arama yapmak yerine, botu yönlendirebilir ve ilerledikçe cevabı hassaslaştırabilirsiniz.
Açıkçası, görsel aramanın potansiyel sorunları var. Bunlardan biri, bir kişi hakkında bir chatbot başlattığınızda olabileceklerden biri. OpenAI, hem doğruluk hem de gizlilik nedenleriyle ChatGPT’nin “insanları analiz etme ve onlar hakkında doğrudan beyanda bulunma yeteneğini” kasıtlı olarak sınırladığını söylüyor.
ChatGPT’nin ilk lansmanından neredeyse bir yıl sonra OpenAI, yeni sorunlar ve dezavantajlar yaratmadan botuna nasıl daha fazla özellik ve yetenek kazandıracağını bulmaya çalışıyor gibi görünüyor. Bu sürümlerle şirket, yeni modellerinin yapabileceklerini kasıtlı olarak sınırlayarak bu çizgide yürümeye çalıştı. Ancak bu yaklaşım sonsuza kadar işe yaramayacak. Daha fazla kişi sesli kontrolü ve görsel aramayı kullandıkça ve ChatGPT gerçekten çok modlu, kullanışlı bir sanal asistan olmaya yaklaştıkça, korkulukları açık tutmak giderek zorlaşacak.