ChatGPT, modalità vocale avanzata supporta i video in tempo reale presso l’ufficio di Google a Milano con gli ingegneri Maria Rossi e Luca Bianchi

L’evoluzione delle tecnologie vocali continua a sorprendere. ChatGPT, l’intelligenza artificiale sviluppata da OpenAI, ha recentemente arricchito la sua offerta con nuove funzionalità che includono la possibilità di supportare video e la condivisione dello schermo in tempo reale. Questa innovazione, inizialmente annunciata a maggio dello scorso anno con l’arrivo di GPT-4o, segna un passo significativo verso un’interazione più visiva e coinvolgente per gli utenti.

Funzionalità di video e condivisione dello schermo

Con l’aggiornamento della modalità vocale, ChatGPT permette agli utenti di interagire non solo a voce, ma anche tramite videocamera. Durante un recente live streaming, il Chief Product Officer Kevin Weil, accompagnato da membri del team, ha dimostrato come funziona questa nuova capacità. In un esperimento pratico, la modalità vocale avanzata è stata utilizzata per assistere nella preparazione del caffè utilizzando il metodo pour-over. Inquadrando i passaggi con la videocamera, gli utenti hanno potuto vedere come l’AI interpreti le azioni in tempo reale, guidando il team nella preparazione della bevanda.

Questa interfaccia rivela come ChatGPT possa riconoscere gli oggetti presenti nel campo visivo e fornire indicazioni utili. La capacità di comprendere il contesto visivo è un elemento innovativo che permette una comunicazione più ricca e interattiva. Non meno interessante è la funzionalità di condivisione dello schermo, che consente agli utenti di mostrare contenuti direttamente dal proprio dispositivo. Durante la dimostrazione, sono stati evidenziati messaggi aperti sul telefono, mostrando la versatilità dell’AI nell’adattarsi alle necessità degli utenti.

La risposta di OpenAI a Google

L’annuncio di OpenAI arriva in un momento cruciale, in concomitanza con il rilascio della nuova generazione del modello di Google, chiamato Gemini 2.0. Quest’ultimo modello possiede doti simili, in grado di elaborare sia input visivi che audio, e presenta capacità avanzate nel completare compiti articolati per conto degli utenti. Google ha progettato Gemini 2.0 con diversi prototipi, ciascuno con funzionalità specifiche. Tra questi, il Project Astra si propone come assistente universale, il Project Mariner si occupa della navigazione sul web, e il Project Jules è dedicato agli sviluppatori.

La tempistica di OpenAI non è casuale, poiché la dimostrazione di ChatGPT è stata progettata per mostrare le proprie capacità visive. Sorprendentemente, l’AI ha dimostrato abilità nel riconoscere con precisione vari oggetti e rispondere anche a comandi di interruzione. In aggiunta, è stata introdotta una voce dedicata a Babbo Natale, arricchita da un tono profondo e da esclamazioni tipiche, che potrebbero riscuotere un certo successo tra gli utenti. L’opzione per interagire con questa versione festiva di ChatGPT è accessibile toccando l’icona del fiocco di neve all’interno dell’app.

Disponibilità e limitazioni delle nuove funzionalità

Le nuove funzionalità della modalità vocale di ChatGPT, che includono video e condivisione dello schermo, sono ora disponibili per gli utenti di ChatGPT Plus e Pro. A partire da gennaio, anche gli utenti di Enterprise e Edu potranno accedere a queste opzioni. È interessante notare che, quando gli utenti scelgono la voce di Babbo Natale, viene emesso un avviso che limita l’utilizzo a persone di età pari o superiore a 13 anni. Questo aspetto sottolinea l’importanza di garantire un uso responsabile delle tecnologie vocali, in particolare quando si tratta di contenuti ludici.

La voce festiva sarà disponibile fino alla fine del mese di dicembre, per poi ritirarsi nel Polo Nord, creando un’atmosfera natalizia per tutti gli utenti. Con queste novità, OpenAI non solo arricchisce l’esperienza utente ma si posiziona anche strategicamente nel mercato delle intelligenze artificiali a confronto con i suoi concorrenti.