Σε μια σημαντική φάση αναβάθμισης των εργαλείων τεχνητής νοημοσύνης, η Anthropic και η OpenAI προχωρούν σε ουσιαστικές ενισχύσεις των φωνητικών λειτουργιών των βοηθών τους. Η Anthropic επέκτεινε τη φωνητική αλληλεπίδραση του Claude στα πιο προηγμένα μοντέλα της, Sonnet και Opus, επιτρέποντας τη σύνδεση με εφαρμογές όπως το Gmail και το Slack. Παράλληλα, η OpenAI φέρνει την τεχνολογία GPT Live στην εφαρμογή του ChatGPT για υπολογιστές desktop, στοχεύοντας στην εκτέλεση σύνθετων εργασιών χωρίς τη χρήση χεριών.
- Τα μοντέλα Sonnet και Opus της Anthropic αποκτούν δυνατότητα φωνητικών εντολών.
- Το φωνητικό Claude συνδέεται πλέον με εφαρμογές όπως Gmail, Slack και Canva.
- Η OpenAI διαθέτει την τεχνολογία GPT Live στην εφαρμογή ChatGPT για υπολογιστές.
- Η φωνητική λειτουργία του ChatGPT υποστηρίζει παράλληλη εκτέλεση εργασιών και το εργαλείο προγραμματισμού Codex.
Η απόφαση της Anthropic να διαθέσει τα μοντέλα Sonnet και Opus στη φωνητική λειτουργία αλλάζει τον τρόπο με τον οποίο οι χρήστες αλληλεπιδρούν με τον βοηθό. Μέχρι σήμερα, οι φωνητικές ερωτήσεις διοχετεύονταν αποκλειστικά μέσω του Haiku, του μικρότερου και ταχύτερου μοντέλου της εταιρείας. Αν και αυτό εξασφάλιζε χαμηλή καθυστέρηση (latency) για απλές ερωτήσεις, αποδεικνυόταν ανεπαρκές όταν οι χρήστες προσπαθούσαν να επιλύσουν σύνθετα επαγγελματικά προβλήματα.
Σύνδεση με εφαρμογές και υποστήριξη νέων γλωσσών
Πλέον, οι συνδρομητές της υπηρεσίας μπορούν να αξιοποιήσουν τη φωνητική αλληλεπίδραση για πολύπλοκες αναλύσεις, όπως τη μετατροπή μιας συνομιλίας σε επιχειρηματική πρόταση ή την προσαρμογή των ραντεβού στο ημερολόγιο. Επιπλέον, το σύστημα μπορεί να αντλήσει δεδομένα από συνδεδεμένες εφαρμογές παραγωγικότητας, συμπεριλαμβανομένων των Gmail, Slack και Canva, εφόσον δοθεί η σχετική άδεια.
Η δυνατότητα άντλησης πληροφοριών από εφαρμογές εργασίας μετατρέπει τους φωνητικούς βοηθούς από απλά εργαλεία αναζήτησης σε ενεργούς ψηφιακούς συνεργάτες.
Η Anthropic διεύρυνε επίσης την υποστήριξη γλωσσών πέρα από τα αγγλικά, εντάσσοντας πλήρως τα γαλλικά, γερμανικά, ισπανικά, ινδικά, ινδονησιακά, ιταλικά, ιαπωνικά, κορεατικά και πορτογαλικά. Για τους δωρεάν χρήστες, η πρόσβαση περιορίζεται σε μία μόνο σύνδεση μέσω του μοντέλου Haiku.
Η OpenAI μεταφέρει το GPT Live στους υπολογιστές
Την ίδια στιγμή, η OpenAI επεκτείνει το ChatGPT Voice στους επιτραπέζιους υπολογιστές, μεταφέροντας την τεχνολογία GPT Live που είχε κυκλοφορήσει αρχικά σε φορητές συσκευές. Η συγκεκριμένη λειτουργία απευθύνεται ιδιαίτερα σε προγραμματιστές και απαιτητικούς χρήστες, παρέχοντας τη δυνατότητα εκτέλεσης εργασιών στο παρασκήνιο την ώρα που ο χρήστης μιλάει.
Μέσω της ενσωμάτωσης του προγραμματιστικού εργαλείου Codex στο ChatGPT Work —το οποίο αριθμεί 10 εκατομμύρια χρήστες σύμφωνα με τον υπεύθυνο του προϊόντος Thibault Sottiaux— οι χρήστες μπορούν να ορίσουν συντομεύσεις πληκτρολογίου για να συνομιλούν με την τεχνητή νοημοσύνη ενώ εργάζονται σε άλλες εφαρμογές.
Διαφορετικές τεχνικές προσεγγίσεις στη φωνητική αλληλεπίδραση
Οι δύο εταιρείες ακολουθούν διαφορετικές τεχνικές αρχιτεκτονικές. Το φωνητικό σύστημα της Anthropic βασίζεται σε δομή εναλλαγής σειράς (turn-based), όπου ο βοηθός ακούει, πραγματοποιεί μια σύντομη παύση για επεξεργασία και στη συνέχεια απαντά. Αντίθετα, το GPT Live της OpenAI λειτουργεί με πλήρη αμφίδρομη επικοινωνία (full-duplex), επιτρέποντας την ταυτόχρονη επεξεργασία ομιλίας και τη δημιουργία απαντήσεων σε πραγματικό χρόνο.
Αυτή η τεχνολογική διαφοροποίηση αποτυπώνει την εξέλιξη της αγοράς λογισμικού, όπου η φωνή καθίσταται βασικό περιβάλλον αλληλεπίδρασης. Η μετάβαση από τις απλές φωνητικές εντολές στην αυτόνομη εκτέλεση εργασιών αναμένεται να αναμορφώσει τον τρόπο με τον οποίο διεκπεραιώνονται καθημερινές ροές εργασίας στα ψηφιακά περιβάλλοντα.
Πιστεύετε ότι η φωνητική αλληλεπίδραση μπορεί να αντικαταστήσει το πληκτρολόγιο στις καθημερινές επαγγελματικές σας εργασίες;
