ChatGPT, ChatGPT’nin ses, görüntü ve metin girişlerini kabul edebilen ve aynı zamanda ses, görüntü ve metin olarak çıktılar üretebilen yeni bir sürümünü duyurdu. OpenAI, ChatGPT 4o’nun yeni sürümünü çağırıyor; “o”, “hepsi” anlamına gelen birleştirilmiş form kelimesi olan “omni”yi temsil ediyor.
ChatGPT 4o (Çok amaçlı)
OpenAI, ChatGPT’nin bu yeni versiyonunu, kullanıcı girdilerine insandan insana konuşmalarla aynı hızda yanıt veren daha doğal insan ve makine etkileşimlerine doğru bir ilerleme olarak tanımladı. Yeni sürüm, İngilizce’de ChatGPT 4 Turbo ile eşleşiyor ve diğer dillerde Turbo’dan önemli ölçüde daha iyi performans gösteriyor. API performansında önemli bir iyileşme var; hız artıyor ve %50 daha ucuz çalışıyor.
Duyuruda şu ifadeler yer alıyor:
“Geleneksel kıyaslamalarla ölçüldüğünde GPT-4o, metin, akıl yürütme ve kodlama zekasında GPT-4 Turbo düzeyinde performansa ulaşırken, çok dilli, ses ve görüntü yeteneklerinde yeni yüksek filigranlar belirliyor.”
Gelişmiş Ses İşleme
Sesle iletişim kurmanın önceki yöntemi, ses girdilerini metne dönüştürmek için üç farklı modeli bir araya getirmeyi içeriyordu; burada ikinci model (GPT 3.5 veya GPT-4) bunu işleyip metni çıktı olarak veriyordu ve üçüncü bir model de metni tekrar sese dönüştürüyordu. Çeşitli çevirilerde bu yöntemin nüansları kaybettiği söyleniyor.
OpenAI, önceki yaklaşımın (muhtemelen) yeni yaklaşımın üstesinden geldiği dezavantajlarını açıkladı:
“Bu süreç, ana zeka kaynağı olan GPT-4’ün çok fazla bilgi kaybettiği anlamına geliyor; ses tonunu, birden fazla konuşmacıyı veya arka plandaki gürültüyü doğrudan gözlemleyemiyor ve kahkaha, şarkı söyleme veya duygu ifade etme çıkışı sağlayamıyor. ”
Yeni sürümde üç farklı modele ihtiyaç duyulmuyor çünkü uçtan uca ses girişi ve çıkışı için tüm giriş ve çıkışlar tek bir modelde birlikte ele alınıyor. İlginç bir şekilde OpenAI, yeni modelin tüm yeteneklerini henüz keşfetmediklerini veya sınırlamalarını tam olarak anlamadıklarını belirtiyor.
Yeni Korkuluklar ve Yinelemeli Sürüm
OpenAI GPT 4o, onu güvende tutmak ve güvenlik amacıyla istenmeyen ses çıkışlarını önlemek için yeni korkuluklar ve filtreler içerir. Ancak bugünkü duyuru, lansman sırasında yalnızca metin ve görüntü girişleri ile metin çıkışları ve sınırlı ses yeteneklerinin kullanıma sunulduğunu söylüyor. GPT 4o, hem ücretsiz hem de ücretli katmanlar için mevcuttur; Plus kullanıcıları 5 kat daha yüksek mesaj limiti alır.
Ses özelliklerinin ChatGPT Plus ve API kullanıcıları için birkaç hafta içinde sınırlı bir alfa aşamasında yayınlanması bekleniyor.
Duyuruda şunlar anlatıldı:
“GPT-4o’nun ses yöntemlerinin çeşitli yeni riskler sunduğunun farkındayız. Bugün, metin ve resim girdilerini ve metin çıktılarını kamuya açıklıyoruz. Önümüzdeki haftalar ve aylarda teknik altyapı, eğitim sonrası kullanılabilirlik ve diğer yöntemlerin piyasaya sürülmesi için gerekli güvenlik üzerinde çalışacağız. Örneğin, lansman sırasında ses çıkışları önceden ayarlanmış seslerden oluşan bir seçkiyle sınırlı olacak ve mevcut güvenlik politikalarımıza uyacaktır.”
Duyuruyu okuyun:
0 Yorumlar