2023-09-26 | 허진 기자

是在意谷歌“Gemini”?OpenAI为ChatGPT装上“眼与耳”

本页标题和正文均由AI机器翻译,未经人工审校。准确内容请以韩文原文为准。

此前只会读文字并作答的ChatGPT,如今也能理解图像和语音了。

OpenAI于25日(当地时间)表示,已为ChatGPT新增识别图像和语音的功能。新功能面向付费服务ChatGPT Plus和ChatGPT Enterprise用户提供,将在未来两周内陆续推送。

以往只能通过文字提示与ChatGPT交流,现在则可以用语音对话。按下按钮用语音提问,还可以听到语音回答。回答声音先提供5种类型。还可以附上想要的图像并就此提问。例如上传自行车照片后询问“怎样才能把车座调低?”,ChatGPT便会分析照片后给出答复。

OpenAI此前在今年3月推出最新大型语言模型(LLM)GPT-4时就预告了多模态功能。当时介绍新模型已应用图像识别等多模态功能,6个月后推出了实际服务。不过也有分析认为,多模态ChatGPT的推出时点是在顾忌谷歌。在有消息称谷歌正磨刀霍霍推进高级化的下一代LLM“Gemini”以多模态功能为重点的情况下,OpenAI先下手为强。据悉,Gemini目前已向部分企业提供早期版本,面向大众的推出也已临近。

阅读韩文原文