پیش‌زمینه و اهمیت صدای AI در ChatGPT
صدا، یکی از عوامل اصلی تجربه کاربری در فناوری‌های هوش مصنوعی است. ChatGPT، یکی از مشهورترین ربات‌های چت، با افزودن صداهای انسانی ابعاد جدیدی بر تعاملات نوشتاری افزوده است. هدف این بخش، بررسی این نکته است که چگونه OpenAI به‌دست آوردن صداهای مناسب برای ChatGPT به‌صورت علمی و هنری کار کرده است.
کچه روند انتخاب صداها به‌دست آمده است
OpenAI در تیم‌های صداگذاری خود، با همکاری بهترین تیم‌های استودیو، مدلی از 400+ صدای ارسال شده دانلود، مرور و ارزیابی کرده‌اند. بازخورد اول به‌صورت بخشی از آزمون‌های داخلی دقیق در گویش، تن، میزان هم‌خوانی با متن و احساسات است. تمام این داده‌ها در بانک‌اطلاعات ضبط‌شده ذخیره شد و فیلترهای پیش‌فرضی برای زاویه صدای مناسب بسته به زبان و تن قفل شد.
- جمع‌آوری 400+ صدای مختلف از سراسر جهان.
- ارزیابی فنی توسط مهندسین صوتی و متخصصین داده‌کاوی.
- فیلتر کردن بر اساس معیارهای کیفیت و تنوع.
- تعیین لحن سفارشی برای هر صدا بر اساس ویژگی‌های تاریخی متن‌های آموزشی.
- انتخاب نهایی پنج صدا بر مبنای آزمون‌های کاربری و بازخوردهای مشتری.
خلاصهٔ معیارها و انتخاب نهایی
بر اساس فرآیند پیچیده انتخاب، فقط پنج صدای داده‌شده، دارای قدرت احساسی بالا، تن خوبی در ادغام زبان‌های مختلف و قابلیت شفاهی در مکالمات طولانی بودند. OpenAI برای هر صدا تنظیماتی نظیر وضوح صوتی، ریتم گفتار و ادوات فیلتر بهینه‌سازی‌شده برای مصرف کمتر فراخوانی API فراهم کرده است. این اقدامات در راستای افزایش ارزش تجربه کاربری، به‌صورت خلاصه، هدف از انتخاب آنها به دست آمده‌است.
پرسش‌های پرتکرار
چند صدا در ChatGPT استفاده می‌شود؟
در حال حاضر، OpenAI به‌طور رسمی پنج صدا برای ChatGPT در دسترس است.
مراحل انتخاب صدای AI چه بوده است؟
OpenAI با تیمی از متخصصان صدا، بیش از 400 درخواست صدا را ارزیابی کرده، فیلتر کرده و با توجه به کیفیت و تنوع، پنج صدا را انتخاب کرد.
