I maj betog demonstrationen af \u200b\u200bOpenAI’s Advanced Voice Mode publikum og skabte en b\u00f8lge af sp\u00e6nding. Den f\u00f8rste sp\u00e6nding blev dog hurtigt til skuffelse, da det blev afsl\u00f8ret, at funktionen ikke ville v\u00e6re tilg\u00e6ngelig f\u00f8r senere i \u00e5r.<\/p>\n
Spol frem et par m\u00e5neder, og OpenAI har udrullet Advanced Voice Mode til alle brugere af ChatGPT, inklusive b\u00e5de gratis og betalte abonnenter. Med den teknologi, der nu er tilg\u00e6ngelig til bredere brug, er det tid til at evaluere dens ydeevne og se, om den lever op til de h\u00f8je forventninger, som den indledende udstilling har stillet.<\/p>\n
En h\u00e5ndgribelig f\u00f8lelse af svigt opstod fra brugere, der forventede, at Advanced Voice Mode ville afspejle de imponerende funktionaliteter, der blev vist i den tidligere demo. N\u00f8glefunktioner s\u00e5som multimodalitet, internetforbindelse og filoverf\u00f8rsel er m\u00e6rkbart frav\u00e6rende. P\u00e5 trods af udrulningen af \u200b\u200bChatGPT Search mangler stemmetilstanden stadig internetadgang og opdateringer i realtid.<\/p>\n
Desuden begr\u00e6nser den manglende evne til at forts\u00e6tte stemmesamtaler fra tidligere tekstbaserede interaktioner dets praktiske. Denne mangel st\u00e5r i skarp kontrast til de lovende egenskaber, der blev fremh\u00e6vet under demoen, hvilket f\u00e5r brugerne til at \u00f8nske sig funktioner, der forbliver urealiseret.<\/p>\n
P\u00e5 trods af sine begr\u00e6nsninger viser Advanced Voice Mode markante forbedringer i forhold til sin forg\u00e6nger. Samtaler f\u00f8les mere organiske, og brugere kan afbryde uden at vente p\u00e5, at AI’en “t\u00e6nker”, hvilket skaber en mere engagerende oplevelse.<\/p>\n
Mens nogle spekulerer over backend-processerne i den nye stemmetilstand, tyder min erfaring p\u00e5, at der er minimal forsinkelse mellem at tale og modtage et svar. Denne umiddelbarhed fremmer en f\u00f8lelse af dialog, der ligner menneskelig samtale.<\/p>\n
Evnen til at skifte mellem sprog, inklusive hindi, punjabi, engelsk og fransk, er ogs\u00e5 prisv\u00e6rdig. Det har dog nogle gange sv\u00e6rt ved at skelne mellem hindi og punjabi, og stemmetilstanden kunne drage fordel af en live transskriptionsfunktion til sprogindl\u00e6ring.<\/p>\n
ChatGPTs udvalg af stemmer forbedrer brugeroplevelsen. I \u00f8jeblikket tilbyder den f\u00f8lgende stemmer:<\/p>\n
Disse stemmers livlige natur g\u00f8r interaktioner langt mere behagelige sammenlignet med dem, der tilbydes af konkurrenter som Gemini Live og Copilot, som mangler en lignende konversationsfluiditet.<\/p>\n
Mens stemmetilstanden effektivt kan formidle f\u00f8lelsesm\u00e6ssige nuancer til historiefort\u00e6lling, kommer den til kort p\u00e5 grund af alt for strenge begr\u00e6nsninger. I den tidligere demo oplevede brugerne en bredere r\u00e6kke af muligheder, herunder evnen til at synge, som er blevet fjernet for at undg\u00e5 potentielle kr\u00e6nkelser af ophavsretten.<\/p>\n
Desv\u00e6rre forringer disse begr\u00e6nsninger den samlede oplevelse. Brugere kan st\u00f8de p\u00e5 afslag p\u00e5 rimelige anmodninger, s\u00e5som at generere dialoger for at handle praksis, skabe frustration. Avanceret stemmetilstand kan lejlighedsvis opfylde nogle kreative sp\u00f8rgsm\u00e5l med lidt tilskyndelse, men f\u00f8ler ofte, at inkonsekvens hindrer dens anvendelighed.<\/p>\n
Et bem\u00e6rkelsesv\u00e6rdigt tr\u00e6k ved Advanced Voice Mode er dens evne til at genkalde information. Det tillader dog ikke opf\u00f8lgning af stemmesamtaler i eksisterende chats, der indeholder tekst eller billeder, en v\u00e6sentlig begr\u00e6nsning.<\/p>\n
Til sammenligning underst\u00f8tter Gemini Live l\u00f8bende dialog uanset tidligere chatkontekster, hvilket fremh\u00e6ver et omr\u00e5de, hvor OpenAI muligvis skal forbedres for at konkurrere effektivt.<\/p>\n
Mens hurtige svar forbedrer samtalens dynamik, kan de nogle gange forstyrre dialogstr\u00f8mmen. AI har en tendens til at misfortolke pauser som en invitation til at reagere, hvilket f\u00f8rer til afbrydelser, der kan afspore brugerens tankegang.<\/p>\n
En funktion, der tillader brugere at signalere l\u00e6ngere pauser, svarende til en “Hold”-knap, ville i h\u00f8j grad forbedre naturligheden af \u200b\u200bdisse interaktioner.<\/p>\n
De fleste interaktioner med den avancerede stemmetilstand er glatte, men brugere kan lejlighedsvis st\u00f8de p\u00e5 mindre fejl, s\u00e5som korte statiske eller uventede stemme\u00e6ndringer. Selvom disse problemer generelt er mindre, kan de lejlighedsvis forstyrre brugeroplevelsen.<\/p>\n
Avanceret stemmetilstand er tilg\u00e6ngelig p\u00e5 den gratis ChatGPT-plan i cirka 15 minutter om m\u00e5neden, men fuld adgang kr\u00e6ver et abonnement. Dette st\u00e5r i kontrast til konkurrenter som Copilot og Gemini Live, som tilbyder deres stemmefunktioner uden omkostninger for brugerne.<\/p>\n
Abonnementsgebyret, sammen med frav\u00e6ret af funktioner som internetadgang, der findes i andre modeller, rejser sp\u00f8rgsm\u00e5l om v\u00e6rdien af \u200b\u200btjenesten, is\u00e6r for brugere, der udelukkende er interesseret i talefunktioner.<\/p>\n
Mens Advanced Voice Mode un\u00e6gtelig kan prale af imponerende teknologiske fremskridt, lever den i \u00f8jeblikket ikke alt, hvad der loves i demoen. Dens praktiske anvendelser er begr\u00e6nsede, og uden v\u00e6sentlige forbedringer tjener den mere som en nyhed end et n\u00f8dvendigt v\u00e6rkt\u00f8j.<\/p>\n
For dem, der allerede abonnerer p\u00e5 ChatGPT for funktioner som Canvas, S\u00f8g eller r\u00e6sonnementmodellen, kan den avancerede stemmetilstand tjene som en dejlig tilf\u00f8jelse. Det kan dog ikke retf\u00e6rdigg\u00f8re et abonnement alene.<\/p>\n