ChatGPT získal koncem roku 2023 schopnost hlasové konverzace, která umožňuje vést s modelem plynulý rozhovor nahlas místo tradičního psaní. Tato funkce se rychle stala jednou z nejoblíbenějších – uživatelé si oblíbili možnost mluvit s asistentem přirozenějším způsobem. V tomto článku se podrobně podíváme na standardní a vylepšený (advanced) hlasový režim ChatGPT: jak byly zavedeny do provozu, jaké hlasy nabízejí, jak se postupně vylepšovaly a jaká mají omezení. Přiblížíme také časovou osu vývoje od prvních hlasů až po současný plán sjednocení do jediného režimu, a nevynecháme reakce uživatelů – pozitivní i negativní – na tuto technologii.
Historie zavedení hlasového ovládání v ChatGPT
Září 2023: Společnost OpenAI poprvé představila hlasové schopnosti ChatGPT v rámci balíčku funkcí „ChatGPT může nyní vidět, slyšet a mluvit“. Tato nová multimodální funkce umožnila uživatelům vést s modelem hlasový dialog nebo mu ukázat obrázek a získat k němu komentář. Zpočátku byla hlasová konverzace dostupná přednostně pro předplatitele služby ChatGPT Plus a podnikové uživatele a fungovala v mobilních aplikacích (iOS, Android) po opt-in aktivaci v nastavení. Uživatel si při prvním zapnutí mohl zvolit jeden z pěti dostupných hlasů. Tyto hlasy – pojmenované Breeze, Cove, Ember, Juniper a Sky – byly vytvořeny ve spolupráci s profesionálními hlasovými herci, aby zněly maximálně přirozeně. (Každý hlas byl unikátní a vyjadřoval odlišný tón a osobnost; např. Breeze energický, Cove věcný apod.) Nový hlasový výstup využíval pokročilý text-to-speech model, který z krátké ukázky řeči dokáže vygenerovat velmi realistický syntetický hlas. Pro převod mluveného slova uživatele do textu se využíval systém Whisper od OpenAI.
| AKTIVACE | PŘIHLÁŠENÍ |
