Con el avance de la tecnología de voz AI, el nuevo modo de voz de ChatGPT está rompiendo las barreras de la interacción tradicional entre humanos y computadoras y generando un cambio fundamental en la experiencia. En la última prueba real, ChatGPT Voice demostró capacidades de conversación natural extremadamente fluidas, que no solo mejoraron en gran medida el realismo de la interacción lingüística, sino que también adquirieron gradualmente los atributos de un asistente real que puede realizar tareas complejas de escritorio en su nombre.
A nivel interactivo, gracias a la aplicación de la tecnología de audio full-duplex, ChatGPT Voice consigue una verdadera comunicación bidireccional en tiempo real. Los usuarios no necesitan esperar a que el sistema se turne mecánicamente para responder. Incluso si interrumpen, corrigen instrucciones o cambian temporalmente de tema en medio de la conversación, el sistema puede capturar con precisión la intención y realizar un seguimiento sin problemas. Incluso puede sentir claramente cuándo responder y cuándo seguir escuchando. Aunque todavía hay margen de mejora en el reconocimiento de pausas largas y el procesamiento del ruido de fondo, la naturalidad de su expresión y la coherencia entre terminales del texto generado en tiempo real han superado con creces a los asistentes de voz anteriores.
Un avance aún más impresionante es su profunda integración con herramientas de automatización y flujo de trabajo (Work y Codex). Junto con el marco del Agente ChatGPT lanzado anteriormente, el papel de la IA está pasando de una simple "responder preguntas" a "ejecutar en nombre de otros". En casos de uso reales, los usuarios sólo necesitan describir verbalmente sus objetivos, y ChatGPT puede completar tareas que incluyen encontrar las opciones de neumáticos locales más baratas, abrir automáticamente páginas web para comparar, planificar rutas de navegación y realizar un seguimiento hasta la interfaz de pago final; incluso puede coordinarse entre dispositivos, lo que permite a los usuarios dar instrucciones a través de sus teléfonos móviles en exteriores y controlar de forma remota las modificaciones de páginas web, la generación de documentos o la escritura de códigos en las computadoras de su oficina.
Actualmente, debido a consideraciones de seguridad, el sistema todavía requiere estrictamente que los usuarios confirmen manualmente la autorización cuando se trata de operaciones clave y confidenciales, como pagos, cambios de permisos o envío de mensajes. Aunque todavía hay margen de mejora en la velocidad de control del navegador y la interacción visual en tiempo real, esta experiencia de comunicación natural que "ya no requiere instrucciones habladas como una máquina" marca un paso clave para que la inteligencia artificial se haga cargo por completo de las arduas tareas diarias y se convierta en un poderoso asistente para los humanos.
vía
cnBeta.COM - Sitio de información de la industria china
(autor:
Fuente: cnBeta.COM
)