OpenAI, la firma detrás del revolucionario chatbot de inteligencia artificial, ChatGPT, ha revelado una actualización significativa de su herramienta. A partir de ahora, ChatGPT no solo «ve, oye y habla», sino que también permite a los usuarios interactuar con él mediante voz y enviar imágenes y documentos para obtener respuestas más precisas.
Anteriormente, la interacción con ChatGPT se limitaba al texto escrito. Sin embargo, en un plazo de «dos semanas», aquellos que cuenten con una suscripción de pago podrán dialogar verbalmente con el chatbot y escuchar sus respuestas. Además, tendrán la capacidad de enviar fotografías y otros documentos para recibir información específica. Los usuarios de la versión gratuita no tendrán que esperar mucho, ya que OpenAI ha prometido que estas características estarán disponibles para ellos «poco después».
El comunicado de OpenAI destaca la versatilidad de estas nuevas funciones: «La voz y la imagen amplían las posibilidades de ChatGPT en tu día a día. Por ejemplo, puedes fotografiar el contenido de tu nevera y preguntar qué preparar para cenar, recibiendo a cambio una receta detallada». Además, la herramienta de voz puede ser utilizada para «narrar historias o dirimir discusiones».
Esta innovación coloca a ChatGPT en la misma liga que asistentes de voz como Alexa de Amazon y Siri de Apple. Estará disponible tanto para dispositivos iOS como Android, aunque los usuarios de PC tendrán que esperar. Los usuarios tendrán la opción de elegir entre cinco voces diferentes, aunque la predeterminada simula la de una mujer joven.
La magia detrás de esta función de voz es la herramienta Whisper de OpenAI, que convierte el audio del usuario en texto. Posteriormente, se utiliza un avanzado modelo de texto a voz para generar la respuesta. «Nuestra reciente tecnología de voz puede producir voces sintéticas realistas con solo unos segundos de audio real. Esto brinda oportunidades para aplicaciones creativas y herramientas de accesibilidad. No obstante, también surgen preocupaciones sobre posibles usos indebidos», señaló OpenAI en su declaración.
Finalmente, se informó que Spotify, la conocida plataforma musical, está implementando esta tecnología para traducir algunos de sus podcasts a otros idiomas, conservando las voces originales de los presentadores e invitados.
Apasionado de las matemáticas y el software. Mientras algunos ven en las ecuaciones un rompecabezas, yo veo arte. Pero no solo de números vive el hombre, cuando no estoy sumergido en teoremas, me adentro en el mundo digital, programando y explorando el vasto universo del software. Y para equilibrar, nada mejor que un respiro en plena naturaleza. Como dijo Einstein: «Para mantener el equilibrio, debes seguir adelante». Ya sea con código o en el campo, ¡así lo hago!
