ChatGPT bricht neues Terrain: Von Spracherkennung zu Bildverstehen und -erstellung

OpenAI ist kein Unbekannter in Sachen Innovation. 🚀 Als einer der fortschrittlichsten Chatbots in der KI-Branche hat sich ChatGPT erneut darangemacht, die Grenzen des Möglichen zu erweitern. Mit der kürzlichen Vorstellung von Sprach- und Bilderkennungsfähigkeiten werden Nutzer eine Transformation ihrer interaktiven Erfahrungen erleben, ähnlich, aber weitaus mächtiger als bei beliebten digitalen Assistenten wie Siri und Google Assistant. Bei LoyJoy arbeiten wir seit März 2023 mit den Fähigkeiten von ChatGPT und werden gespannt die leistungsfähigen Funktionen bald adaptieren.

Ein Sprung nach vorn mit Sprach- und Bildfähigkeiten 🌟

Im Oktober wird OpenAI Sprach- und Bildfähigkeiten für ChatGPT einführen, was Plus- und Enterprise-Nutzern eine reichhaltigere Schnittstelle bietet. Egal, ob Sie auf einer iOS- oder Android-Plattform sind, Sie werden in der Lage sein, Sprachgespräche zu führen und Bilder mit ChatGPT zu teilen, was einen signifikanten Wandel in der Art und Weise markiert, wie Menschen und KI interagieren. 🗣️

Besonders bemerkenswert ist das Potenzial, das dies für alltägliche Aufgaben und Herausforderungen birgt. Stellen Sie sich vor, Sie sind auf einer Reise und machen Fotos von Wahrzeichen, um dann deren historische Bedeutung mit ChatGPT zu besprechen. Oder stellen Sie sich vor, Sie bereiten eine Mahlzeit vor und suchen KI-Beratung basierend auf einem Bild Ihrer Zutaten. Auch Studenten können jetzt akademische Herausforderungen visuell präsentieren und Hilfe erhalten, was das Lernen ansprechender macht.

Zusätzlich können Nutzer jetzt mit ChatGPT Bilder erstellen. Mit dem neuen Update ist DALL-E 3 auf ChatGPT verfügbar. DALL-E 3 generiert Bilder für Sie basierend auf Ihren Vorgaben. Es ist viel genauer als sein Vorgänger DALL-E 2 und bietet selbst bei den gleichen Prompts deutliche Verbesserungen. ChatGPT generiert vier Bilder, die Sie anpassen können, indem Sie ChatGPT fragen. Geben Sie einfach ein, was Sie sehen möchten, egal ob es sich dabei um einen einfachen Satz oder eine detaillierte Beschreibung handelt. Die generierten Bilder gehören Ihnen zur Verwendung, und das Beste für Inhaltskreateure und Unternehmen ist, dass Sie keine Erlaubnis für Zwecke wie Nachdruck, Verkauf oder Merchandising benötigen. Selbst für einfache Aufforderungen sind die Ergebnisse atemberaubend. Keine Notwendigkeit mehr, Stunden damit zu verbringen, Ihre Prompts zu optimieren.

Vier verschiedene Bilder eines Igels auf einer Rakete, generiert von DALL-E 3 in ChatGPT 🚀🦔

Was leistet die Sprach- und Bildfunktion? 💡

Im Kern der Sprachinteraktionen steht ein innovatives Text-zu-Sprache-Modell. ChatGPT wird jetzt direkt mit Ihnen sprechen. Entwickelt in Zusammenarbeit mit professionellen Sprechern, stellt dieses Modell sicher, dass das erzeugte Audio nicht nur robotisch ist, sondern echter menschlicher Konversation ähnelt. Darüber hinaus können Nutzer ihr Audio in Text transkribieren, was eine nahtlose Mischung aus Text- und Sprachinteraktionen bietet.

Im visuellen Bereich erweitert die Bildverstehenskomponente, genannt “BeMyEyes”, die Fähigkeiten von GPT-4. Von persönlichen Fotos und Screenshots bis zu Dokumenten, die Text und Bilder mischen, stellt BeMyEyes sicher, dass ChatGPT versteht und angemessen reagiert, was den Weg für reichhaltigere Gespräche ebnet.

Verfügbarkeit und Zukunftsaussichten 📅

Vorerst ist die Sprachfunktion exklusiv für iOS- und Android-Nutzer, während die Bildfunktionalitäten plattformübergreifend verbreitet sind. Während Plus- und Enterprise-Nutzer zuerst in den Genuss kommen, könnte ein breiteres Publikum in naher Zukunft Zugang erhalten, was das Engagement von OpenAI für breite KI-Zugänglichkeit zeigt. 🌐

Fazit

Mit diesen Updates erweitert sich der Horizont der Zugänglichkeit von ChatGPT erheblich. Die Einführung von Sprach-zu-Text, sprachlichen Antworten und Bildgenerierungsfunktionen bekräftigt das Bestreben von OpenAI, den Nutzern ein intuitiveres KI-Modell zur Verfügung zu stellen. Die Zukunft der KI-Mensch-Interaktionen ist hier, und sie ist spannender denn je. Bei LoyJoy nutzen wir die neuen Fähigkeiten bereits. Bleiben Sie dran für unsere kommenden Veröffentlichungen. 🔮

— von Steffen Wichtrup