ChatGPT Advanced Voice è fantastico, ma mi sento ingannato

Riepilogo

GPT-4o non ha mantenuto le grandi promesse, mancando di capacità visive e offrendo una praticità limitata.
Advanced Voice, utilizzando GPT-4o come base, offre voci simili a quelle umane ma manca di funzionalità di canto e presenta bug.
Sebbene non sia ciò che era stato promesso, ChatGPT Advanced Voice ha voci uniche e potenziale per la narrazione di base e l'apprendimento delle lingue.

L'ultima offerta di OpenAI prometteva un'esperienza di tipo fantascientifico, ma la realtà non è all'altezza delle aspettative. Ci era stato promesso un assistente AI in grado di vedere il mondo e parlare come un essere umano. Invece, abbiamo un chatbot cieco che dice semplicemente: “Mi dispiace, non posso farlo”, con nove nuove voci emotive.

La promessa che abbiamo fatto con GPT-4o

Quando OpenAI ha presentato GPT-4o nel maggio 2024, sembrava che fossimo all’apice della prossima grande rivoluzione tecnologica nell’interazione uomo-computer. È stata una storia di fantascienza diventata realtà in cui abbiamo visto un assistente AI in grado di impegnarsi in interazioni umane, come nel film Lei.

Ecco un promemoria di tutto ciò che è stato dimostrato:

Conversazioni vocali in tempo reale.
La capacità di interrompere e reindirizzare le conversazioni in modo naturale.
Una voce realistica con un'ampia gamma emotiva.
Capacità di narrazione drammatica e canto.
Funzionalità multilingue e traduzione migliorate.
Prestazioni migliorate nelle lingue diverse dall'inglese.
Capacità di visione:
- Risolvere problemi di matematica scritti su un pezzo di carta.
- Leggere le espressioni facciali e comprendere gli ambienti.
Più intelligente di GPT-4 Turbo, il modello OpenAI di punta prima di GPT-4o.

Come pacchetto completo, GPT-4o sembrava che avrebbe portato un cambio di paradigma nel modo in cui utilizziamo e interagiamo con i nostri computer. Le demo erano a dir poco strabilianti e la mia mente correva con possibilità illimitate.

Ad esempio, potrei finalmente annullare il mio abbonamento a Calm e utilizzare ChatGPT per raccontarmi favole della buonanotte. Potrei usarlo come personal trainer: posizionalo su una scrivania per tenere traccia delle mie ripetizioni e della mia postura. Potrebbe cantare i miei testi mentre creo brani con Udio.

Inutile dire che ero più che elettrizzato. Questo era il futuro che aspettavo!

...Ma la promessa deve ancora essere mantenuta

Andiamo avanti velocemente una settimana dopo il grande annuncio e finalmente ho messo le mani su GPT-4o. OpenAI ha dichiarato che avrebbero implementato lentamente tutto ciò che avevano dimostrato. Quindi, questo GPT-4o era di solo testo. Potrebbe accettare testo e immagini come input e rispondere in testo.

Era più intelligente del modello precedente ma non era l’assistente fantascientifico che ci era stato promesso. Per aggiungere la beffa al danno, la sua corona “più intelligente” è stata rapidamente strappata un mese dopo da Claude 3.5 Sonnet, che supera GPT-4o sia nelle attività di codifica che in quelle creative!

Infine, a luglio, Advanced Voice ha iniziato a essere distribuito in versione alpha per pochi utenti selezionati. Ma ancora una volta, era solo la voce: nessuna capacità visiva in vista. Certo, era migliore della vecchia modalità Voce standard, in cui dovevi aspettare molto prima che rispondesse, ma non era esattamente rivoluzionaria.

Settembre 2024 ha visto un lancio più ampio con la versione finale e ci ho messo le mani sopra. Tuttavia, possiamo davvero definirlo finale quando non è ancora stata mantenuta la promessa iniziale?

La mia esperienza con ChatGPT Advanced Voice e perché mi sento tradito

Cerchiamo di essere chiari: la funzionalità Advanced Voice completamente implementata è impressionante. La qualità della voce è innegabilmente la voce AI più simile a quella umana sul mercato. Le conversazioni sembrano stranamente naturali, come se stessi parlando con un'altra persona.

Sfortunatamente, non è così utile nella pratica. Non esiste ancora alcuna capacità visiva, il che limita drasticamente ciò che puoi farci. E lo capisco; la funzione si chiama Advanced Voice, quindi non avrei dovuto sperare che fosse in grado di vedere cose. Tuttavia, non può nemmeno vedere le immagini che hai caricato in una chat. Anche la voce standard può farlo!

Inoltre, la voce non è così avanzata. Utilizza ancora GPT-4o come cervello, che, diciamocelo, non è più lo strumento più intelligente nel capannone dell'intelligenza artificiale. Anche Advanced Voice si rifiuta di cantare. Sembra che OpenAI non abbia intenzione di aggiungere il canto come funzionalità nonostante lo abbia mostrato nella sua demo. Ecco come ha risposto quando gli è stato chiesto.

Posso generare contenuti musicali con conversazioni vocali?
No. Per rispettare i diritti degli autori, abbiamo implementato diverse mitigazioni, inclusi nuovi filtri, per impedire che le conversazioni vocali rispondano con contenuti musicali, incluso il canto.

Anche se la limitazione è probabilmente dovuta a potenziali problemi legali, è ridicolo che questo mio assistente non mi canti nemmeno “Buon compleanno! "OpenAI avrebbe potuto almeno permettergli di cantare cose di pubblico dominio. Sembra che io sia bloccato con l'Assistente Google per gli auguri di compleanno!

Ora, arrivando alla modulazione vocale, va bene! Ancora una volta, è migliore di qualsiasi altra cosa sul mercato, ma non eccezionale. Ho provato a farlo parlare come Venom della Marvel, ed è stato incostante. A volte diceva "certo" e cercava di sembrare come lui, ma non riusciva mai a trovare la voce giusta. Altre volte mi diceva che non può impersonare personaggi o celebrità specifici.

Abbastanza giusto, immagino, quindi ho provato a chiedere una voce gorgogliante con un sacco di frittura vocale per vedere se funzionava, ma ancora non suonava bene. Ho anche provato a giocare con diversi parametri vocali per vedere se riuscivo a ottenere il suono, ma è stato un esperimento fallito. Anche se c’è una buona dose di flessibilità, non puoi allungarla abbastanza per ottenere quelle voci uniche.

Inoltre, devi essere molto preciso con la lingua che usi. Non accetterà le tue richieste per imitare o impersonare una figura conosciuta, ma se gli chiedi di provare a parlare come qualcuno, cercherà di modulare la sua voce.

Se tutte queste limitazioni non bastano, devi anche fare i conti con i bug. A volte il caricamento di Advanced Voice impiega un'eternità, costringendomi a uscire e provare a connettermi di nuovo. Inoltre, non è eccezionale per raccontare storie o fornire lunghi monologhi. Dopo circa un minuto smetterà di parlare a meno che tu non gli dica ripetutamente di continuare. Questo per quanto riguarda i miei piani di usarlo come narratore della buonanotte!

C’è ancora un lato positivo

Per fortuna, non è tutto negativo! Ottieni tantissime nuove opzioni vocali, ognuna con la propria personalità e gamma di modulazione vocale. Attualmente le mie voci preferite sono Maple, Arbor e Vale. Anche se non sono riuscito a far sembrare nessuno di loro come Venom, sono riuscito a far sembrare Arbor un antieroe, il che è stato piuttosto interessante.

È ottimo anche per pensare ad alta voce! Avere un interlocutore sempre disponibile, anche se non il più acuto, è piuttosto carino. È come avere il cranio di Sherlock da cui far rimbalzare le idee.

Sebbene Advanced Voice non sia ciò che GPT-4o è stato dimostrato, è comunque potente e potenzialmente utile in alcuni scenari. Vedo come altri potrebbero usarlo per la narrazione di base per bambini, l'apprendimento delle lingue o traduzioni rapide. Questi sono casi d’uso legittimi e chiunque li cerchi non si sentirà deluso.