ChatGPT አሁን ማየት፣ ማዳመጥ እና መናገር ይችላል

በChatGPT ውስጥ አዳዲስ የድምጽ እና የምስል ችሎታዎችን ማስተዋወቅ ጀምረናል። የድምፅ ውይይት እንዲያደርጉ ወይም ስለምን እያወሩ እንደሆነ ለChatGPT እንዲያሳዩ በማድረግ አዲስ እና የበለጠ ለመረዳት የሚያስችል የበይነገጽ አይነት ያቀርባሉ።

ድምጽ እና ምስል ChatGPTን በህይወትዎ ውስጥ ለመጠቀም ተጨማሪ መንገዶችን ይሰጡዎታል። በጉዞ ላይ እያሉ አንድን ቦታ የሚያሳይ ፎቶ ያንሱ እና ስለሱ የሚያስደስት ነገር በቀጥታ ይወያዩ። ቤት ሲደርሱ፣ ለእራት ምን እንደሚያስፈልግ ለማወቅ ማቀዝቀዣዎን እና ጓዳዎን ፎቶዎች ያንሱ (እና ደረጃ በደረጃ የምግብ አሰራርን ለማግኘት ተከታታይ ጥያቄዎችን ይጠይቁ)። ከእራት በኋላ፣ ልጅዎ የሂሳብ ጥያቄ እንዲፈታ ለመርዳት ፎቶግራፍ በማንሳት፣ ጥያቄው ላይ በማክበብ እና ለሁለታችሁም ፍንጮችን እንዲያካፍል በማድረግ ያግዙት።

በሚቀጥሉት ሁለት ሳምንታት ውስጥ ለPlus እና ለEnterprise ተጠቃሚዎች በChatGPT ውስጥ የድምጽ እና የምስል አገልግሎቶችን እናሰራጫለን። ድምጽ ወደ iOS እና Android እየመጣ ነው (በቅንብሮችዎ ውስጥ ይምረጡ) እና ምስሎቹ በሁሉም መድረኮች ላይ ይገኛሉ።

አሁን ከረዳትዎ ጋር ውይይት ለማድረግ ድምጽን መጠቀም ይችላሉ። በጉዞ ላይ እያሉ ያነጋግሩት፣ ለቤተሰብዎ የመኝታ ጊዜ ታሪክ ይጠይቁ ወይም የእራት ጠረጴዛ ክርክር ይፍቱ።

በድምጽ ለመጀመር፣ በሞባይል መተግበሪያው ላይ ወደ ቅንብሮች → አዲስ ባህሪያት ይሂዱ እና የድምጽ ውይይቶችን ይምረጡ። ከዚያም በመነሻ ማያ ገጹ የላይኛው ቀኝ ጥግ ላይ የሚገኘውን የጆሮ ማዳመጫ አዝራር ይጫኑ እና ከአምስት የተለያዩ ድምጾች ውስጥ የሚወዱትን ድምጽ ይምረጡ።

አዲሱ የድምፅ ችሎታ የሚሰራው በአዲስ የጽሑፍ-ወደ-ንግግር ሞዴል ሲሆን ከጽሑፍ ብቻ የሰውን የሚመስል ድምጽ እና የጥቂት ሰከንዶች የናሙና ንግግር ማመንጨት ይችላል። እያንዳንዱን ድምጽ ለመፍጠር ከባለሙያ የድምጽ ተዋናዮች ጋር ተባብረናል። እንዲሁም የእርስዎን የንግግር ቃላት ወደ ጽሑፍ ለመገልበጥ ክፍት ምንጭ የሆነውን የንግግር ማወቂያ ስርዓታችንን Whisper እንጠቀማለን።

አሁን ለChatGPT አንድ ወይም ከዚያ በላይ ምስሎችን ማሳየት ይችላሉ። የእርስዎ ግሪል የማይጀምርበትን ምክንያት ይፍቱ፣ ምግብ ለማቀድ የማቀዝቀዣዎን ይዘቶች ይመርምሩ ወይም ከስራ ጋር ለተያያዘ መረጃ ውስብስብ ግራፍ ይተንትኑ። በምስሉ የተወሰነ ክፍል ላይ ለማተኮር፣ በሞባይል መተግበሪያችን ውስጥ የስዕል መሳሪያውን መጠቀም ይችላሉ።

ለመጀመር ምስልን ለመቅረጽ ወይም ለመምረጥ የፎቶ አዝራሩን ጠቅ ያድርጉ። በ iOS ወይም Android ላይ ከሆኑ፣ በመጀመሪያ የመደመር አዝራሩን ጠቅ ያድርጉ። እንዲሁም በርካታ ምስሎችን መወያየት ወይም ረዳትዎን ለመምራት የስዕል መሳሪያችንን መጠቀም ይችላሉ።

የምስል ግንዛቤ የሚሰራው በባለብዙ ሞዳል GPT‑3.5 እና GPT‑4 ነው። እነዚህ ሞዴሎች የቋንቋ ማመዛዘን ክህሎቶቻቸውን እንደ ፎቶግራፎች፣ ቅጽበታዊ ገጽ እይታዎች እና ጽሑፍ እና ምስሎችን የያዙ ሰነዶች ባሉ የተለያዩ ምስሎች ላይ ይተገብራሉ።

የOpenAI ዓላማ ደህንነቱ የተጠበቀ እና ጠቃሚ የሆነ AGI መገንባት ነው። መሳሪያዎቻችንን ቀስ በቀስ ተደራሽ ማድረግ እንዳለብን እናምናለን፣ ይህም ከጊዜ በኋላ ማሻሻያዎችን እንድናደርግ እና የአደጋ መከላከያዎችን እንድናሻሽል ያስችለናል፣ እንዲሁም ሁሉንም ሰው ወደፊት ለሚመጡ የበለጠ ኃይለኛ ስርዓቶችን ለማዘጋጀት ያስችለናል። ይህ ስልት ድምጽ እና እይታን በሚያካትቱ የላቁ ሞዴሎች የበለጠ አስፈላጊ ይሆናል።

አዲሱ የድምፅ ቴክኖሎጂ—የጥቂት ሰከንዶች እውነተኛ ንግግርን በመጠቀም የእውነት የሚመስሉ ሰው ሰራሽ ድምጾችን የመፍጠር ችሎታ ያለው—ለብዙ ፈጠራ እና ተደራሽነትን ላይ ላተኮሩ ትግበራዎች በር ይከፍታል። ሆኖም፣ እነዚህ ችሎታዎች፣ እንደ ተንኮል አዘል ተዋናዮች ታዋቂ ሰዎችን የማስመሰል ወይም ማጭበርበር የመፈጸም አቅም ያሉ አዳዲስ አደጋዎችን ያስከትላሉ።

ለዚህም ነው ይህንን ቴክኖሎጂ አንድ የተለየ የአጠቃቀም ጉዳይ ለማብቃት የምንጠቀምበት—የድምጽ ውይይት። የድምጽ ውይይት የተፈጠረው በቀጥታ አብረን ከሰራናቸው የድምጽ ተዋናዮች ጋር ነው። ከሌሎች ጋር በተመሳሳይ መልኩ እየተባበርን ነው። ለምሳሌ፣ Spotify የዚህን ቴክኖሎጂ ኃይል የድምጽ ትርጉም⁠(በአዲስ መስኮት ውስጥ ይክፈታል) ባህሪያቸውን ለማሰራት እየተጠቀሙበት ሲሆን ይህም የፖድካስት አዘጋጆች ፖድካስቶችን ወደ ተጨማሪ ቋንቋዎች በፖድካስት አዘጋጆቹ ድምጽ በመተርጎም የታሪክ አተራረክ ተደራሽነታቸውን እንዲያሰፉ ይረዳቸዋል።

እይታ ላይ የተመሰረቱ ሞዴሎች አዳዲስ ተግዳሮቶችንም ያቀርባሉ፣ እነዚህም ስለ ሰዎች ከሚደረጉ ቅዠቶች አንስቶ እስከ ሞዴሉ ከፍተኛ ጥንቃቄ በሚጠይቁ አካባቢዎች ምስሎችን በሚተረጉምበት መንገድ ላይ መተማመን ድረስ ያካትታሉ። በሰፊው ትግበራ ከመጀመራችን በፊት፣ ሞዴሉን በሬድ ቲመሮች በኩል አባላት እንደ ጽንፈኝነት እና ሳይንሳዊ ብቃት እና የተለያዩ የአልፋ ሞካሪዎች ባሉ ዘርፎች ውስጥ ለአደጋ የተጋለጡ መሆናቸውን ሞክረነዋል። ጥናታችን ኃላፊነት ያለው አጠቃቀም ላይ እንዲውል ጥቂት ቁልፍ ዝርዝሮችን እንድናስተካክል አስችሎናል።

ልክ እንደሌሎች የChatGPT ባህሪያት፣ እይታ የተሰራው በዕለት ተዕለት ሕይወትዎ ውስጥ እርስዎን መርዳት ነው። እርስዎ የሚያይቱን ማየት ሲችል ያንን በተሻለ ሁኔታ ያደርጋል።

ይህ አካሄድ በቀጥታ ከBe My Eyes ጋር ባደረግነው ሥራ ላይ የተመረኮዘ ሲሆን ይህም ማየት ለተሳናቸው እና የዓይን ችግር ላለባቸው ሰዎች ጥቅምና ገደቦችን ለመረዳት የሚያስችል ነጻ የሞባይል መተግበሪያ ነው። ተጠቃሚዎች ከበስተጀርባ ሰዎችን የያዙ ምስሎችን በተመለከተ አጠቃላይ ውይይቶችን ማድረግ ጠቃሚ ሆኖ እንዳገኙት ነግረውናል፤ ለምሳሌ የሪሞት መቆጣጠሪያ ቅንብሮችዎን ለማወቅ ሲሞክሩ አንድ ሰው በቴሌቪዥን ላይ ቢታይ።

ChatGPT ሁልጊዜ ትክክል ስላልሆነ እና እነዚህ ስርዓቶች የግለሰቦችን ግላዊነት ማክበር ስላለባቸው የChatGPTን ስለ ሰዎች ቀጥተኛ መግለጫ የመስጠት እና የመተንተን ችሎታን በእጅጉ ለመገደብ ቴክኒካዊ እርምጃዎችን ወስደናል።

የእውነተኛው ዓለም አጠቃቀም እና ግብረመልስ መሣሪያውን ጠቃሚ በማድረግ እነዚህን መከላከያዎች የበለጠ የተሻለ ለማድረግ ይረዱናል።

ተጠቃሚዎች እንደ ምርምር ላሉ ዘርፎች፣ በChatGPT ለልዩ ርዕሶች ላይ ሊተማመኑ ይችላሉ። ስለ ሞዴሉ ገደቦች ግልጽ ነን እና ያለተገቢ ማረጋገጫ ከፍተኛ ተጋላጭነት ያላቸውን አጠቃቀሞችን አንደግፍም። በተጨማሪም፣ ሞዴሉ የእንግሊዝኛ ጽሑፍን በመገልበጥ ረገድ ጎበዝ ቢሆንም፣ በተለይም ከሮማን ውጪ በሆኑ ፊደላት በሚጻፉ ቋንቋዎች ላይ ግን ደካማ አፈፃፀም አለው። እንግሊዝኛ ቋንቋ የማይናገሩ ተጠቃሚዎቻችን ለዚህ ዓላማ ChatGPT እንዳይጠቀሙ እንመክራለን።

ስለ ደህንነት አቀራረባችን እና ከBe My Eyes ጋር ስለምናደርገው ስራ የምስል ግቤት ስርዓት ካርድ⁠ ውስጥ የበለጠ ማንበብ ይችላሉ።

የPlus እና Enterprise ተጠቃሚዎች በሚቀጥሉት ሁለት ሳምንታት ውስጥ የድምጽ እና የምስል መሞከር ይችላሉ። እነዚህን ችሎታዎች ለአበክጻጊዎች ጨምሮ ለሌሎች የተጠቃሚዎች ቡድኖች በቅርቡ ለማሰራጨት አቅደናል።