Haberler
OpenAI, gerçekçi, duygusal konuşmalar üretebilen yeni nesil bir “Ses Motoru” tanıttı
OpenAI, daha güvenilir konuşmadan metne dönüştürme ve arka plan gürültüsü ve aksanlar gibi zorlu ses koşullarının daha iyi işlenmesini sağlayan gpt-4o-transcribe ve gpt-4o-mini-transcribe adlı geliştirilmiş ses modellerini yayınladı.
OpenAI, API’sine, şirketin önceki sürümlerini geliştirdiğini iddia ettiği yeni transkripsiyon ve ses üreten yapay zeka modelleri getiriyor.
OpenAI için bu modeller, kullanıcılar adına görevleri bağımsız olarak yerine getirebilen otomatik sistemler oluşturmak anlamına gelen daha geniş “ajan” vizyonuna uyuyor. “Temsilci” tanımı tartışmalı olabilir, ancak OpenAI Ürün Başkanı Olivier Godement bir yorumu, bir işletmenin müşterileriyle konuşabilen bir sohbet robotu olarak tanımladı.
Godement, “Önümüzdeki aylarda giderek daha fazla temsilcinin ortaya çıktığını göreceğiz. Genel tema, müşterilerin ve geliştiricilerin faydalı, kullanılabilir ve doğru aracılardan yararlanmasına yardımcı olmak” dedi.
OpenAI, yeni metinden konuşmaya modeli “gpt-4o-mini-tts ‘nin sadece daha nüanslı ve gerçekçi bir konuşma sunmakla kalmayıp aynı zamanda önceki nesil konuşma sentezleme modellerine göre daha ’yönlendirilebilir” olduğunu iddia ediyor. Geliştiriciler gpt-4o-mini-tts’e doğal dilde bir şeyleri nasıl söyleyeceği konusunda talimat verebiliyor; örneğin, “çılgın bir bilim adamı gibi konuş” veya “bir farkındalık öğretmeni gibi sakin bir ses kullan”.
İşte “gerçek suç tarzı”, yıpranmış bir ses:
OpenAI ürün ekibinin bir üyesi olan Jeff Harris, TechCrunch’a verdiği demeçte, amacın geliştiricilerin hem ses “deneyimini” hem de “bağlamı” uyarlamasına izin vermek olduğunu söyledi.
Harris, “Farklı bağlamlarda, sadece düz, monoton bir ses istemezsiniz. Bir müşteri destek deneyimindeyseniz ve sesin bir hata yaptığı için özür dilemesini istiyorsanız, aslında sesin içinde bu duyguyu barındırmasını sağlayabilirsiniz… Buradaki en büyük inancımız, geliştiricilerin ve kullanıcıların yalnızca ne konuşulduğunu değil, nasıl konuşulduğunu da gerçekten kontrol etmek istedikleridir” dedi.
OpenAI’nin yeni konuşmadan metne modelleri olan “gpt-4o-transcribe” ve “gpt-4o-mini-transcribe” ise şirketin uzun süredir kullandığı Whisper transkripsiyon modelinin yerini alıyor. OpenAI, “çeşitli, yüksek kaliteli ses veri kümeleri” üzerinde eğitilen yeni modellerin kaotik ortamlarda bile aksanlı ve çeşitli konuşmaları daha iyi yakalayabildiğini iddia ediyor.
Harris ayrıca halüsinasyon görme olasılıklarının da daha düşük olduğunu sözlerine ekledi. Whisper, ırkçı yorumlardan hayali tıbbi tedavilere kadar her şeyi transkriptlere ekleyerek, konuşmalarda kelimeleri ve hatta tüm pasajları uydurma eğilimindeydi.
Harris, “Bu modeller bu konuda Whisper’a kıyasla çok daha gelişmiş durumda. Modellerin doğru olduğundan emin olmak, güvenilir bir ses deneyimi elde etmek için tamamen önemlidir ve [bu bağlamda] doğru olması, modellerin kelimeleri tam olarak duydukları [ve] duymadıkları ayrıntıları doldurmadıkları anlamına gelir” diye konuştu.
Bununla birlikte, kat ettiğiniz mesafe yazıya dökülen dile bağlı olarak değişebilir.
OpenAI’nin dahili kıyaslamalarına göre, iki transkripsiyon modelinden daha doğru olan gpt-4o-transcribe, Tamil, Telugu, Malayalam ve Kannada gibi Indic ve Dravidian dilleri için %30’a yaklaşan (%120 üzerinden) bir “kelime hata oranına” sahip. Bu, modelden alınan her 10 kelimeden üçünün bu dillerde insan transkripsiyonundan farklı olacağı anlamına gelir.
OpenAI, geleneği bozarak yeni transkripsiyon modellerini açık bir şekilde kullanıma sunmayı planlamıyor. Şirket geçmişte Whisper’ın yeni sürümlerini MIT lisansı altında ticari kullanım için yayınlamıştı.
GPT-4o-transcribe ve gpt-4o-mini-transcribe’ın “Whisper’dan çok daha büyük” olduğunu ve bu nedenle açık bir sürüm için iyi adaylar olmadığını söyleyen Harris, “Whisper gibi dizüstü bilgisayarınızda yerel olarak çalıştırabileceğiniz türden bir model değiller. Bir şeyleri açık kaynak olarak yayınlıyorsak, bunu düşünceli bir şekilde yaptığımızdan ve bu özel ihtiyaç için gerçekten geliştirilmiş bir modele sahip olduğumuzdan emin olmak istiyoruz. Ve son kullanıcı cihazlarının açık kaynak modelleri için en ilginç durumlardan biri olduğunu düşünüyoruz” dedi.
Kaynak: TechCrunch
Araştırma
PodGPT: Yapay zeka modeli, bilim podcast’lerinden öğrenerek soruları daha iyi yanıtlayabiliyor
Üretken yapay zekanın (AI), özellikle de büyük dil modellerinin (LLM’ler) yükselişi, veri analizi, yorumlama ve içerik üretiminde dönüştürücü bir değişime işaret ediyor. Kapsamlı metinsel veri kümeleri üzerinde eğitilen bu modeller, OpenAI’nin GPT-4’ü gibi modellerin dikkate değer bir yetenek gösterdiği bilim ve tıp gibi alanlar için derin etkileri olan, bağlamsal olarak doğru ve dilsel olarak zengin çıktılar üretme yeteneğini gösterdi.
Üretken yapay zekanın (AI), özellikle de büyük dil modellerinin (LLM’ler) yükselişi, veri analizi, yorumlama ve içerik üretiminde dönüştürücü bir değişime işaret ediyor. Kapsamlı metinsel veri kümeleri üzerinde eğitilen bu modeller, OpenAI’nin GPT-4’ü gibi modellerin dikkate değer bir yetenek gösterdiği bilim ve tıp gibi alanlar için derin etkileri olan, bağlamsal olarak doğru ve dilsel olarak zengin çıktılar üretme yeteneğini gösterdi.
Ancak, bilim, teknoloji, mühendislik, matematik ve tıp (STEMM) alanlarında LLM’lerin tam potansiyeli, özellikle ses içeriği gibi geleneksel olmayan veri türlerinin entegrasyonu konusunda hala yeterince araştırılmış durumda değil.
Boston Üniversitesi’nden araştırmacılar, bilim ve tıp podcast’lerinden öğrenerek bilimsel soruları daha akıllıca anlama ve yanıtlama becerisini geliştiren PodGPT adlı yeni bir bilgisayar programı geliştirdiklerini yeni bir çalışmada duyurdu. Bu çalışma npj Biomedical Innovations dergisinde yayınlandı.
Boston Üniversitesi Chobanian & Avedisian Tıp Fakültesi tıp ve bilgisayar bilimi doçenti ve makalenin baş yazarı Vijaya B. Kolachalama, “Konuşma içeriğini entegre ederek, modelimizin konuşma dilini daha iyi anlamasını ve uygulamasını STEMM disiplinleri içindeki daha özel bağlamlara genişletmeyi amaçlıyoruz” diye açıkladı.
Kolachalama, “Bu, sadece yazılı materyaller yerine uzman röportajları ve konuşmaları gibi gerçek konuşmaları kullandığı için özeldir ve insanların gerçek hayatta bilim hakkında nasıl konuştuğunu daha iyi anlamasına yardımcı oluyor” dedi.
Kolachalama ve meslektaşları, halka açık bilim ve tıp podcast’lerinden 3.700 saatten fazla kayıt topladı ve gelişmiş yazılımlar kullanarak konuşmaları metne dönüştürdü. Ardından, bu bilgilerden öğrenmesi için bir bilgisayar modeli eğitti.
Bunun ardından, modelin performansını görmek için biyoloji, matematik ve tıp gibi konularda farklı dillerde sorular da dahil olmak üzere çeşitli testler yaptılar. Sonuçlar, STEMM sesli podcast verilerinin dahil edilmesinin, modelin doğru ve kapsamlı bilgileri anlama ve üretme yeteneğini geliştirdiğini gösterdi.
Araştırmacılara göre, bu çalışma podcast gibi ses tabanlı içeriklerin yapay zeka araçlarını eğitmek için kullanılabileceğini gösteriyor. Kolachalama, Boston Üniversitesi Bilgisayar ve Veri Bilimleri Fakültesi’nin kurucu üyesi ve Boston Üniversitesi Hariri Bilgisayar Enstitüsü’nün bir üyesi.
Kolachalama, “Bu, dersler veya röportajlar gibi her türlü ses kaydını kullanarak daha akıllı ve insan benzeri teknolojiler geliştirmek için kapı açıyor. Ayrıca, bilimi birçok dilde daha erişilebilir hale getirerek, dünyanın dört bir yanındaki insanların öğrenmesine ve bilgilenmesine yardımcı olma konusunda da umut vaat ediyor” dedi.
Araştırmacılar, bu teknolojinin bilimsel ve tıbbi bilgilere erişimi kolaylaştıracağına inanmakla kalmıyor, aynı zamanda alanlarında uzman kişilerin konuşmalarını dinlemenin, insanların sağlık ve eğitim konusunda daha bilinçli kararlar almasına yardımcı olacağına da inanıyor.
Kolachalama, “Bu, Alzheimer hastalığı, kardiyovasküler hastalıklar, bulaşıcı hastalıklar, kanser ve ruh sağlığı gibi birçok sağlık durumunun anlaşılması ve teşhis edilmesinde yardımcı olabilir. Ayrıca halk sağlığı ve gezegen sağlığı gibi alanlarda öğrenmeyi de destekleyebilir” dedi.
Kaynak: Phys.org
Haberler
Klaxon AI ile dakikalar içinde podcast reklamları oluşturun
Podcast reklamcıları ve içerik üreticileri için güçlü bir yeni araç ortaya çıktı. “Kendin Yap” (Self-servis) konseptiyle sesli reklam oluşturma hizmeti sunan Klaxon AI kullanıma sunuldu. Bu platform, podcast yayıncıları, ağlar ve sponsorların sadece birkaç dakika içinde yayına hazır reklamlar oluşturmasını sağlıyor.
Haberler
Yeni Podcast Bilgi Kütüphanesi küresel podcasting topluluğunu bir araya getiriyor
Dünyanın dört bir yanındaki hevesli ve deneyimli podcast yayıncıları artık parmaklarının ucunda güçlü bir yeni kaynağa sahip. Podcast Bilgi Kütüphanesi, her seviyedeki podcast yaratıcıları için kapsamlı bir çevrimiçi araç olarak kullanıma sunuldu.
PodGPT: Yapay zeka modeli, bilim podcast’lerinden öğrenerek soruları daha iyi yanıtlayabiliyor
Klaxon AI ile dakikalar içinde podcast reklamları oluşturun
Yeni Podcast Bilgi Kütüphanesi küresel podcasting topluluğunu bir araya getiriyor
Haberler3 yıl öncePodcast’ten para kazanmanın 12 yolu
- Haberler3 yıl önce
Spotify’dan ‘Şişedeki Çalma Listesi’
- Etkinlik2 yıl önce
‘Podcast Dinliyorum’ etkinliğinin ikincisi 25 Ekim’de
- Araştırma11 ay önce
Popüler podcast yayıncıları sektördeki en büyük zorlukları yorumluyor
- Araştırma3 yıl önce
Mart ayına Anchor, Buzzsprout ve Spreaker damgası
- Haberler3 yıl önce
Video podcast nedir?
- Haberler3 yıl önce
Podcast’leri nasıl daha hızlı dinleyebilirsiniz?
- Haberler3 yıl önce
Daniel Ek Spotify’ın büyük vizyonunu anlattı
