OpenAI har introducerat en ny röstfunktion i sin ChatGPT desktop-app, vilket nu gör det möjligt för användare att kommunicera med AI-agenten och styra olika funktioner på datorn enbart med hjälp av rösten. Denna uppdatering markerar en betydande utveckling inom området för röststyrd teknologi och har potential att förändra hur användare interagerar med sina datorer.
Den nya funktionen, kallad ChatGPT Voice, bygger på OpenAI:s senaste röstmodeller, ChatGPT-Live, som lanserades tidigare denna månad. Genom denna teknik kan användare nu utföra kommandon och hantera uppgifter på sina datorer mer naturligt och effektivt. OpenAI har förbättrat konversationsflödet i ChatGPT Voice, vilket gör det möjligt för appen att hantera avbrott bättre och förstå komplexa kommandon som kräver flera steg.
En av de mest spännande aspekterna av denna uppdatering är att ChatGPT Voice nu kan användas tillsammans med både ChatGPT Work och Codex. Detta innebär att användare kan använda rösten för att styra och koordinera flera agenter som arbetar samtidigt inom appen. På macOS-plattformen kan användare dessutom använda Appshots-funktionen för att ge appen tillgång till det som visas på skärmen, inklusive alternativ text.
Vid lanseringen av ChatGPT Voice i mobilversionen kunde användarna redan uppleva smidigare samtal med bättre hantering av avbrott, men det fanns begränsningar i möjligheten att utföra åtgärder direkt på smartphones. Med den nya desktop-uppdateringen kan användare nu diktera mer komplexa kommandon och aktivt delta när AI-agenten behöver feedback eller ytterligare inmatning.
I en demonstrationsvideo visade OpenAI hur en utvecklare kunde använda ChatGPT för att skapa en ny tråd, göra en pull-förfrågan och hitta orsaken till ett fel, allt med ett enda röstkommando. Detta illustrerar den stora potentialen och mångsidigheten hos ChatGPT Voice i att förenkla och effektivisera tekniska arbetsflöden.
OpenAI:s röstfunktion är nu tillgänglig globalt i desktop-appen, och användare kan även nyttja den i Codex via iOS-appen genom fjärråtkomst. Detta ökar tillgängligheten och användbarheten av ChatGPT Voice, vilket gör det till ett kraftfullt verktyg för dagliga datoranvändare och tekniska yrkesverksamma.
Samtidigt har Anthropic också uppdaterat sin röstfunktion för Claude, vilken använder företagets Opus-, Sonnet- och Haiku-modeller för att slutföra uppgifter i appar som Gmail, Kalender, Slack, Notion och Canva. Detta visar på en bredare trend inom branschen där företag alltmer fokuserar på att förbättra röstbaserad interaktion med teknik.
Med den kontinuerliga utvecklingen av röststyrda system och AI-modeller, ser framtiden lovande ut för hur människor interagerar med teknologi. Den senaste uppdateringen från OpenAI och liknande initiativ från andra företag pekar mot en framtid där röststyrning blir en integrerad del av det dagliga teknikanvändandet, vilket öppnar upp för nya möjligheter och effektiviseringar inom många olika områden.