ChatGPT kann nun sprechen, zuhören und Bilder verarbeiten

ChatGPT kann nun gesprochenen Worten zuhören und diese verstehen, mit einer synthetischen Stimme sprechen sowie Bilder verarbeiten. Damit verkündet OpenAI nach eigenen Angaben einen weiteren Meilenstein für den KI-basierten Chatbot.

Das ändert sich bei ChatGPT

  • Stimme und Bildverarbeitung: Nutzer können bald in Sprachdialoge auf der mobilen ChatGPT-App einsteigen. Dabei ist es möglich, aus fünf verschiedenen synthetischen Stimmen für die Antwort des Bots zu wählen. Zusätzlich können Bilder mit ChatGPT geteilt werden, wobei Nutzer Bereiche zur Hervorhebung oder Analyse markieren können.
  • Verfügbarkeit: Die Aktualisierungen werden Mitte Oktober für zahlende Nutzer ausgerollt. Die Sprachfunktionalität wird auf iOS- und Android-Apps beschränkt sein, während die Bildverarbeitungsfähigkeiten auf allen Plattformen verfügbar sein werden.

Wettlauf der KI-Giganten

Diese Weiterentwicklung erfolgt vor dem Hintergrund eines immer intensiveren Wettbewerbs im Bereich der künstlichen Intelligenz. Unternehmen wie OpenAI, Microsoft, Google und Anthropic konkurrieren darum, generative KI nicht nur in Chatbot-Apps, sondern auch in neuen Features zu integrieren. Google hat eine Vielzahl von Updates für seinen Bard-Chatbot angekündigt, und Microsoft hat der Bing-Suchmaschine eine visuelle Suche hinzugefügt.

OpenAI's ChatGPT kann nun sprechen, zuhören und Bilder verarbeiten

Bedenken und Sicherheit

Experten äußerten Bedenken hinsichtlich der von KI erzeugten synthetischen Stimmen. Diese ermöglichen zwar realistischere Erfahrungen, aber könnten auch die Erstellung überzeugender Deepfakes begünstigen. OpenAI reagierte auf diese Bedenken und betonte, dass die synthetischen Stimmen in Zusammenarbeit mit professionellen Sprechern erstellt wurden. Es kamen keine Stimmen von unbekannten Personen zum Einsatz.

Die Verwendung von Nutzerstimmeingaben und die Sicherung dieser Daten wurden jedoch nicht ausführlich erläutert. Gemäß den Nutzungsbedingungen von OpenAI gehören Nutzer ihre Eingaben „soweit gesetzlich zulässig“. OpenAI verweist auf Leitlinien zur Sprachinteraktion. In diesen ist festgelegt, dass Audioaufnahmen nicht gespeichert werden und nicht zur Verbesserung von Modellen verwendet werden. Knackpunkt: Transkriptionen könnten als Eingaben betrachtet werden und zur Verbesserung der großen Sprachmodelle verwendet werden.

Letzte Aktualisierung: 26.09.2023, 13:24 Uhr