OpenAI, Sınırlı Sayıda Kullanıcıya ChatGPT’nin Gerçekçi Sesini Sunuyor

OpenAI, ChatGPT’nin Gelişmiş Ses Modu’nu (Advanced Voice Mode) bazı ücretli kullanıcılarına açtığını duyurdu. Bu özellik, kullanıcılara GPT-4o’nun son derece gerçekçi ses yanıtlarına erişim imkanı sağlıyor. Alfa sürümü bugünden itibaren sınırlı sayıda ChatGPT Plus kullanıcısına sunulacak ve OpenAI, özelliğin 2024 sonbaharında tüm Plus kullanıcılarına kademeli olarak yayılacağını belirtiyor.

İlk Kez Mayıs Ayında Tanıtılmıştı

OpenAI, GPT-4o’nun sesini ilk kez Mayıs ayında sergilediğinde, hızlı yanıtları ve gerçek bir insan sesine şaşırtıcı derecede benzerliği ile izleyicileri şaşırtmıştı. “Sky” adlı ses, aktris Scarlett Johansson‘ın “Her” filmindeki yapay asistanın sesine benziyordu. OpenAI’nin demosundan kısa bir süre sonra, Johansson CEO Sam Altman’dan gelen sesini kullanma taleplerini reddettiğini ve GPT-4o’nun demosunu gördükten sonra benzerliğini savunmak için hukuki danışmanlık aldığını söyledi.

OpenAI, Johansson’ın sesini kullandığını reddetti, ancak daha sonra demosunda gösterilen sesi kaldırdı. Haziran ayında OpenAI, güvenlik önlemlerini geliştirmek için Gelişmiş Ses Modu’nun piyasaya sürülmesini ertelediğini açıklamıştı.

Görüntülü Sohbet ve Ekran Paylaşımı Daha Sonra

OpenAI, Bahar Güncellemesi sırasında gösterilen video ve ekran paylaşımı özelliklerinin bu alfa sürüme dahil olmayacağını ve “daha sonraki bir tarihte” piyasaya sürüleceğini belirtiyor. Şimdilik, herkesi heyecanlandıran GPT-4o demosu hala sadece bir demo olsa da bazı premium kullanıcılar artık orada gösterilen ChatGPT’nin ses özelliğine erişebilecek.

Üç Farklı Model Yerine Tek Bir Model

ChatGPT’de halihazırda kullanabileceğiniz Ses Modu’nu (Voice Mode) zaten denemiş olabilirsiniz, ancak OpenAI Gelişmiş Ses Modu’nun farklı olduğunu söylüyor. ChatGPT’nin eski ses çözümü üç ayrı model kullanıyordu: Birincisi sesinizi metne dönüştürüyor, GPT-4 isteminizi işliyor ve üçüncüsü ChatGPT’nin metnini sese dönüştürüyordu.

Ancak GPT-4o çok modlu olduğundan, yardımcı modellerin yardımı olmadan bu görevleri gerçekleştirebiliyor ve önemli ölçüde daha düşük gecikmeli konuşmalar oluşturabiliyor. OpenAI ayrıca GPT-4o’nun ses tonunuzdaki duygusal tonlamaları, üzüntü, heyecan veya şarkı söyleme dahil olmak üzere algılayabildiğini iddia ediyor.

Güvenlik Önlemleri Alınıyor

OpenAI, kullanımını yakından izlemek için ChatGPT’nin yeni sesini kademeli olarak piyasaya sürdüğünü söylüyor. Alfa grubundaki kişiler ChatGPT uygulamasında bir uyarı alacak ve ardından nasıl kullanılacağına dair talimatları içeren bir e-posta gönderilecek. OpenAI’nin demodan bu yana geçen aylarda, şirket 45 farklı dil konuşan 100’den fazla harici kırmızı takım üyesi ile GPT-4o’nun ses yeteneklerini test ettiğini belirtiyor. OpenAI, bu güvenlik çalışmalarına ilişkin bir raporun Ağustos ayı başında geleceğini söylüyor.

Dört Farklı Ses Seçeneği Sunuluyor

Şirket, Gelişmiş Ses Modu’nun, ücretli seslendirme sanatçılarıyla işbirliği içinde yapılan Juniper, Breeze, Cove ve Ember olmak üzere ChatGPT’nin dört ön ayarlı sesiyle sınırlı olacağını belirtiyor. OpenAI’nin Mayıs demosunda gösterilen Sky sesi artık ChatGPT‘de mevcut değil. OpenAI sözcüsü Lindsay McCallum, “ChatGPT, bireylerin ve kamuya mal olmuş kişilerin seslerini taklit edemez ve bu ön ayarlı seslerden birinden farklı olan çıktıları engelleyecektir” diyor.

Telif Haklarına Saygılı Olunacak

OpenAI ayrıca müzik veya diğer telif hakkı olan seslerin oluşturulmasına yönelik belirli istekleri engellemek için yeni filtreler getirdiğini söylüyor. Geçtiğime yıl, yapay zeka şirketleri telif hakkı ihlali nedeniyle yasal sorunlarla karşı karşıya kaldı ve GPT-4o gibi ses modelleri, şikayet dosyalayabilecek şirketlerin tümüyle yeni bir kategorisini ortaya çıkarıyor. Özellikle dava açma geçmişine sahip olan ve yapay zeka şarkı oluşturucuları Suno ve Udio’ya dava açan plak şirketleri bu konuda hassas.