OpenAI ogłosiło, że od 5 grudnia 2024 roku, lokalnego czasu, rozpocznie się 12-dniowa seria wydarzeń (jedno na każdy dzień roboczy) dotyczących nowych produktów lub prezentacji. Chociaż nie można jeszcze dokładnie określić, co będzie przedmiotem każdej prezentacji, według różnych informacji i spekulacji, mogą one obejmować następujące treści:
1. Publiczna premiera narzędzia do konwersji tekstu na wideo Sora
Sora to nowy produkt OpenAI zaprezentowany na początku roku, który jest w stanie testów zamkniętych. Były dyrektor technologiczny firmy, Mira Murati, stwierdziła, że Sora może być udostępniona użytkownikom pod koniec roku, więc istnieje duża możliwość, że podczas tych 12 prezentacji Sora zostanie publicznie zaprezentowana 1 . W dziedzinie sztucznej inteligencji technologia konwersji tekstu na wideo jest bardzo popularnym kierunkiem badań. Na przykład Google również wprowadził swój najnowszy model wideo generatywnego AI o nazwie Veo. Premiera Sory zapewni użytkownikom nowe sposoby tworzenia treści, na przykład użytkownicy mogą wprowadzić skrypt historii, a Sora wygeneruje odpowiednie wideo, co ma szerokie zastosowanie w produkcji filmowej, tworzeniu reklam, produkcji wideo edukacyjnych itd.
2. Nowy model wnioskowania
Z doniesień mediów, takich jak The Verge, wynika, że nowy produkt zawiera nowy model wnioskowania, który może być pełną wersją modelu o1 lub podobnym nowym modelem AI do wnioskowania. Zdolności wnioskowania są kluczowe w sztucznej inteligencji, na przykład w rozwiązywaniu złożonych problemów naukowych i matematycznych, prowadzeniu analiz logicznych itd. OpenAI planowało wcześniej wprowadzenie modelu skoncentrowanego na wnioskowaniu, takiego jak wspomniany wcześniej model 'Truskawka', który również koncentruje się na wnioskowaniu. Nowy model wnioskowania może być bardziej efektywny i dokładny w rozwiązywaniu złożonych zadań, co może zwiększyć konkurencyjność OpenAI w dziedzinie AI wnioskowania, a także może być stosowany w medycynie, badaniach naukowych i innych dziedzinach wymagających złożonych wniosków logicznych 13 14 15 .
3. Nowe ulepszenia głosu i funkcji w trybie głosowym ChatGPT
1. Nowy głos
OpenAI może dodać do trybu głosowego ChatGPT specjalny głos (słyszano, że może to być głos Świętego Mikołaja), a użytkownicy już zauważyli, że przycisk trybu głosowego w kodzie może zmieniać kształt na śnieżynkę, co może być wskazówką związaną z nowym głosem. Wprowadzenie nowego głosu może zapewnić użytkownikom bardziej zróżnicowane doświadczenia interaktywne, na przykład w specjalnych świętach lub tematycznych scenariuszach, specjalny głos może zwiększyć zabawność i uczucie zanurzenia.
2. Ulepszenia funkcji
ChatGPT ma przestrzeń na postęp w zaawansowanym trybie głosowym, może zrealizować dostęp do wyszukiwania w Internecie w czasie rzeczywistym, a także połączyć się z kamerą w celu analizy rzeczywistego świata. Jeśli uda się uzyskać dostęp do wyszukiwania w Internecie w czasie rzeczywistym, ChatGPT będzie mógł dostarczać bardziej aktualne i dokładne informacje, nie ograniczając się do wiedzy zawartej w danych szkoleniowych; połączenie z kamerą w celu analizy rzeczywistego świata może rozszerzyć jego zastosowanie w scenariuszach IoT, inteligentnych domów itp., na przykład do identyfikacji stanu środowiska wewnętrznego, monitorowania bezpieczeństwa itd. 13 14 15 .
4. Inne potencjalne treści do publikacji
1. Odblokowanie funkcji generowania obrazów w modelu GPT - 4o
Odblokowana funkcja generowania obrazów w modelu GPT - 4o, która wcześniej była zablokowana, wykazała imponujące efekty i możliwości kontroli generacji w wczesnych demonstracjach. Ten model ma również natywne możliwości analizy wideo. Jeśli funkcja generowania obrazów zostanie odblokowana, model GPT - 4o zyska bardziej wszechstronne możliwości w zakresie generowania treści multimedialnych, a użytkownicy będą mogli wykorzystywać go do tworzenia obrazów, projektowania itd.
2. o2 model lub podgląd GPT - 5o
Użytkownicy są pełni oczekiwań wobec podglądu modelu o2 lub GPT - 5o. Jeśli podczas prezentacji będą mieli okazję zobaczyć ten podgląd, użytkownicy i deweloperzy będą mogli wcześniej poznać kierunek rozwoju przyszłych modeli OpenAI, co może obejmować informacje na temat architektury modelu, poprawy wydajności, nowych funkcji itd., a także wpłynąć na rozwój trendów w branży.
3. Narzędzie do konwersji tekstu na mowę i framework AI o nazwie kodowej 'Operator' z wyprzedzeniem
Narzędzie OpenAI do konwersji tekstu na mowę oraz framework AI o nazwie kodowej 'Operator' przewiduje się, że zostaną zaprezentowane w przyszłym roku, ale mogą również zadebiutować w ciągu najbliższych dwóch tygodni. Narzędzie do konwersji tekstu na mowę może mieć zastosowanie w interakcji głosowej, produkcji audiobooków i innych dziedzinach; framework AI może pomóc w budowie inteligentniejszych i bardziej efektywnych agentów AI, które mogą być stosowane w inteligentnej obsłudze klienta, automatyzacji zarządzania procesami itd.