أعلنت OpenAI في 16 أكتوبر أن Prompt-to-voice متاح لجميع عملائها API. تسمح لك هذه القدرة بوصف صوت باستخدام النص، وإنشاءه من خلال API أو Voice Playground، وحفظه للاستخدام في المكالمات GPT-Live. وفقا للشركة، إنشاء صوت من وصف هو مجاني، في حين توليد الكلام معه يتم تحميلها بأسعار GPT-Live الدورة العادية.
وهذا التمييز مهم للمطورين لبناء واجهة صوتية. إنشاء الصوت مجانا لا يعني تشغيل خدمة صوتية كاملة دون تكلفة. وتتوقف التكلفة على الاستخدام اللاحق وظروف النظام الذي يتم توصيل الصوت إليه. ولا يعلن الإعلان عن تخفيض في أسعار المكالمات، وبالتالي لا يوجد أساس لتحديث السعر لكل مستخدم أو التنبؤ بالميزانية دون التحقق من الاستخدام المتوقع.
ما الذي يمكن إنشاؤه وما هي النظم التي ينبغي استخدامها
ووفقا للوثائق، يمكن وصف خصائص مثل النغمة والإيقاع والتشديد وطبيعة العرض. وفي هذا المسار، لا توجد حاجة إلى تسجيل عينة أو تسجيل الموافقة، لأن الصوت يتم إنشاؤه من الوصف. وهذا مسار مختلف عن إنشاء صوت يستند إلى تسجيل لشخص ما. توضح OpenAI أن هذه الأصوات مخصصة لـGPT-Live، وأن هذا المسار لا يدعم استخدامها في Text to Speech أو Realtime أو Chat Completions مع الصوت.
وتقتضي الوثائق استخداما مسؤولا وشفافية مع المستمعين بأن الخطاب هو من صنع الذكاء الاصطناعي. تحظر الشركة التزوير وتقصر هذا التدفق على أصوات البالغين. وتلاحظ أيضا أن الصوت ليس مضمونا أن يكون فريدا، وأن المستخدمين الآخرين قد يحصلون على نتيجة مماثلة. ولذلك، لا ينبغي افتراض أن ابتكاره في حد ذاته يوفر هوية صوتية حصرية لعلامة تجارية أو الحق في تقليد شخص معين.
كيفية اختبار التوافق قبل إدراجه في منتج ما
وقد يشمل التحقق الأولي الجمل التي يطلب من المنتج فعلا أن يقولها: الأسماء، والأرقام، والتعليمات، والانتقالات بين اللغات. ومن الجدير التحقق مما إذا كان النطق مفهوما وما إذا كانت السرعة مناسبة للسياق. الإعلان لا يضمن دعما عبري محدد أو توافرا موحدا في إسرائيل، ولذلك ينبغي فحص السلوك الفعلي بدلا من الاستنتاج من الإطلاق العام أو إمكانية كتابة وصف بالعبرية.
وينبغي لأفرقة المنتجات أيضا أن تحتفظ بصوت بديل عندما يكون الصوت غير مناسب وأن تحدد من يقوم بالتحقق من الصياغة الحساسة قبل نشرها. ويمكن لتجربة قصيرة مع سيناريو تمثيلي أن تكشف عن مشاكل ليست بارزة في الجملة الإرشادية. وليس هناك حاجة إلى بناء آلية معقدة مسبقا: فالهدف هو ضمان أن يخدم الصوت المهمة، وأن يفهم المستخدمون منشأه، وأن تقاس التكاليف حيثما يجري توليد الكلام فعلا.
وينبغي أن يشمل الاختبار أيضا الاستماع في السياق الكامل الذي سيستخدم فيه الصوت، وضمان أن يظهر الكشف عن الصوت الاصطناعي حيثما يواجهه المستمعون. والمثال الجيد في حد ذاته ليس اختبارا لحالة الاستخدام بأكملها.