Según la demostración realizada por la empresa el lunes, GPT-4o convertirá ChatGPT en un asistente personal digital capaz de entablar conversaciones habladas en tiempo real. También podrá interactuar mediante texto y "visión", lo que significa que podrá ver capturas de pantalla, fotos, documentos o gráficos subidos por los usuarios y mantener una conversación sobre ellos. También mostraron que el modelo detectaba las emociones de los usuarios; en un caso, escuchó la respiración de un ejecutivo y le animó a calmarse. "¡No eres una aspiradora!",

Las herramientas de transcripción son útiles para convertir audio a texto y algunas almacenan nuestras conversaciones en la nube. En esos casos hay riesgos de que se filtre esta información y se use para realizar un ataque informático o suplantar nuestra identidad o la de otra persona que aparezca en las grabaciones. Podemos reducir la cantidad de datos que compartimos con estas aplicaciones y también hay herramientas nos dan la opción de no guardar nuestros audios.

Voy a mostrarles la próxima generación de tecnología de canto con IA. Es absolutamente alucinante.

Los audios de WhatsApp tienen los días contados. Lo cierto es que o los odias o los amas, pero en algunos casos parecen auténticos podcasts. O, en otro caso, simplemente no podemos oír la nota de voz porque estamos reunidos o con amigos. Sin embargo, la aplicación de mensajería instantánea propiedad de Meta ya prepara la función de transcripción de mensajes de audio, que permitirá leerlos en vez de escucharlos.

Una noche soñé que un mirlo hablaba en lenguaje humano. Cuando me desperté, había un mirlo cantando al otro lado de la ventana. Sus inflexiones eran curiosamente similares a las del habla. La mente soñadora sólo tenía que imaginar un montón de armónicos adicionales para formar fonemas y palabras. Me pregunté si el habla podría transformarse en el canto de un mirlo aislando uno de los armónicos.

Spotify se complace en anunciar el inicio de pruebas de su función «Voice Translation» para podcasts. Esta característica, impulsada por inteligencia artificial, traduce podcasts a diferentes idiomas, pero con un giro revolucionario: todo se hace con la voz del podcaster original. Este innovador instrumento desarrollado por Spotify utiliza las más recientes innovaciones, incluida la nueva tecnología de generación de voz de OpenAI, para coincidir con el estilo del hablante original.

Una actualización de las aplicaciones móviles de ChatGPT para iOS y Android anunciada hoy permite a una persona formular oralmente sus preguntas al chatbot y escuchar cómo responde con su propia voz sintetizada. La nueva versión también añade inteligencia visual: sube o toma una foto desde ChatGPT y la app responderá con una descripción de la imagen y ofrecerá más contexto, de forma similar a la función de Google Lens.

En el festival CogX, celebrado en Londres, Fry compartió con el público un fragmento de un documental histórico aparentemente narrado por él mismo… pero la sorpresa fue mayúscula cuando Fry aclaró que nunca había pronunciado ninguna de las palabras que se oyeron en el documental, ni había dado permiso para 'recrearla'. El reputado intérprete británico Stephen Fry denuncia que entrenaron a la IA con sus audiolibros de la saga infantil.

Últimamente parece que todo el mundo habla de la IA generativa. Los grandes modelos de lenguaje y texto-imagen basados en aprendizaje profundo como ChatGPT, Stable Diffusion, DALL-E han causado mucho revuelo en el mundo de la tecnología y más allá. Sin embargo, a pesar de todo este entusiasmo, creemos que hay un área dentro de los medios generativos que sigue estando muy infravalorada: la IA de voz. Y ahora, también estamos desplegando nuestro propio modelo generativo que te permite diseñar voces sintéticas completamente nuevas desde cero.

Demostración de locuciones en varios idiomas del sistema multilingüe de conversión de texto a voz (TTS, text to speech) MULTIVOX, desarrollado en Hungría en 1983. Podemos escuchar ejemplos en húngaro, alemán, italiano, español, finés, esperanto y holandés.