Élő hanggal bővültek a Picsart AI Agents ügynökei
Valós idejű hangbeszélgetéssel bővült a Picsart AI Agents, amely az OpenAI GPT-Live-1 modelljére épül. A felhasználók gépelés nélkül beszélhetnek az ügynökökkel, megszakíthatják őket, és menet közben módosíthatják az utasításaikat.
- Élő hangbeszélgetés érkezett a Picsart AI Agents rendszerébe.
- A funkció az OpenAI GPT-Live-1 modelljére épül.
- A felhasználók beszéd közben megszakíthatják és módosíthatják az utasításokat.
- Az élő hang weben és iOS-en érhető el.
- A funkció minden Picsart Agenttel használható.
A gépelést váltja ki a folyamatos beszélgetés
A Picsart szeptember 10-i bejelentése szerint az élő hang már elérhető a Picsart AI Agents rendszerében weben és iOS-en. A vállalat célja, hogy a felhasználók úgy dolgozhassanak az ügynökeikkel, mintha egy mellettük ülő munkatárssal beszélnének.
Eddig egy feladat elindítása jellemzően brief beírását, a válasz megvárását, annak elolvasását, majd újabb gépelést jelentett. A hangalapú működésnél nincs küldés gomb, és nem kell megvárni, amíg a rendszer összeállítja a teljes választ. A felhasználó beszélhet, az Agent pedig menet közben reagál.
A Picsart szerint a beszélgetés közben lehet közbevetni új információt, pontosítani egy korábbi kérést, vagy teljesen más irányba terelni a feladatot. Az ügynök megszakítás után is folytatja a munkát, a korábbi eredmények elvesztése és a folyamat újraindítása nélkül.
A GPT-Live-1 közvetlenül kezeli a hangot
A Picsart magyarázata szerint a hagyományos hangasszisztensek több lépésből álló folyamatot használnak. Egy rendszer beszédfelismeréssel szöveggé alakítja a felhasználó szavait, egy másik elkészíti a választ, egy harmadik pedig felolvassa azt. A szolgáltatás szerint minden átadás időt igényel, ezért ezek a beszélgetések gyakran inkább a válaszra várakozásnak érződnek.
A GPT-Live-1 ezzel szemben egyetlen modellben hallgatja és adja vissza a beszédet. Ennek köszönhetően a Picsart szerint már akkor képes reagálni, amikor a felhasználó még beszél. A vállalat ezt az üzenetváltás és a telefonhívás közötti különbséghez hasonlítja.
Az OpenAI a GPT-Live-1 modellt a bejelentés napján tette elérhetővé az OpenAI API-ban. A Picsart azon termékek között szerepel, amelyeket az OpenAI a modell bejelentésekor kiemelt a Yelp, a Cognition és a HeyGen mellett.
Mobilon is használható, több ügynökkel
Az élő hang különösen akkor lehet hasznos, amikor a felhasználó nincs számítógép előtt, foglalt a keze, vagy gyorsabb kimondani egy ötletet, mint begépelni. A Picsart szerint iOS-en hanggal lehet leírni például egy következő munkafolyamatot, hirdetéscsoportot vagy szerkesztési feladatot.
A funkció a teljes Agent-kínálaton keresztül működik, így ugyanaz a beszélgetési forma érhető el a különböző szakosodott ügynököknél. A Mira nevű Agent márkaidentitás kialakításában segíthet, Reeva egy elképzelt reel megtervezésében, Theo pedig egy termékfotó megfelelő hátterének kiválasztásában. Ha a felhasználó nem tudja, melyik ügynökre van szüksége, Aura a briefet a Picsart szerint a megfelelő specialistához irányítja.
A használathoz nincs szükség külön beállításra. A felhasználónak meg kell nyitnia egy Agentet, majd elindítania a beszélgetést. A Picsart közlése szerint az élő hang jelenleg weben és iOS-en érhető el, és később a vállalat további termékeiben is megjelenik.
Az OpenAI a Picsarttal közös megoldást úgy írta le, hogy a GPT-Live-1-re épülő kreatív AI Agents lehetővé teszi az alkotók számára a tartalmak ötletelését, létrehozását, finomítását és közzétételét valós idejű hangbeszélgetésen keresztül.
Picsart: Picsart Agents get live voice with OpenAI’s GPT-Live-1 🔥
