Le mode vocal avancé de ChatGPT impressionne les testeurs avec des effets sonores, en retenant son souffle.

Le mardi, OpenAI a commencé à déployer une version alpha de son nouveau Mode Voix Avancé auprès d’un petit groupe d’abonnés ChatGPT Plus. Cette fonctionnalité, que OpenAI avait présentée en mai avec le lancement de GPT-4o, vise à rendre les conversations avec l’IA plus naturelles et réactives. En mai, la fonctionnalité a suscité des critiques pour son expression émotionnelle simulée et a conduit à un différend public avec l’actrice Scarlett Johansson sur des accusations selon lesquelles OpenAI aurait copié sa voix. Malgré tout, les premiers tests de la nouvelle fonctionnalité partagés par les utilisateurs sur les réseaux sociaux ont été largement enthousiastes. Dans les premiers tests rapportés par les utilisateurs ayant accès, le Mode Voix Avancé leur permet d’avoir des conversations en temps réel avec ChatGPT, y compris la possibilité d’interrompre l’IA en plein milieu de la phrase presque instantanément. Il peut détecter et répondre aux indices émotionnels d’un utilisateur à travers le ton vocal et la livraison, et fournir des effets sonores tout en racontant des histoires. Mais ce qui a surpris de nombreuses personnes au départ, c’est comment les voix simulent une prise de souffle en parlant. « Le Mode Voix Avancé de ChatGPT compte aussi vite qu’il le peut jusqu’à 10, puis jusqu’à 50 (cela m’a bluffé – il s’est arrêté pour reprendre son souffle comme le ferait un humain), » a écrit le rédacteur technologique Cristiano Giardina sur X. Le Mode Voix Avancé simule des pauses audibles pour prendre une respiration car il a été entraîné sur des échantillons audio de personnes parlant qui incluaient cette caractéristique. Le modèle a appris à simuler des inspirations à des moments apparemment appropriés après avoir été exposé à des centaines de milliers, voire des millions, d’exemples de discours humain. Les grands modèles de langage (GPT-4o) sont des maîtres imitateurs, et cette compétence s’est désormais étendue au domaine audio.