[일반] 보이스 나오면 좋은점이 뭐임?

[익명(gray0328)]

지금도 있는 보이스는 단일신경망이라 구린거같다던데

chatgpt 보이스는 지금도 되는 보이스에 비해서 구체적으로 뭐가 좋은거?

- dc official App

[익명(121.132)]

시연 영상 안 봤니

[익명(121.131)]

단일신경망은 더 좋은거고 4o가 단일신경망. 사람만큼 빠른 반응속도로 실시간 대화가 가능해짐.

[익명(182.225)]

좀 알아보고 와라

[익명(211.187)]

이런 애들은 뭔 ai가 글 쓰냐?

[익명(175.206)]

모..모를수도 있지 다들 너무하넹.... 이전 보이스 기능은. text만 다루는 GPT4에 STT(speech to text : 목소리를 글자로 바꿈)모델 써서 목소리를 text로 바꾼 다음에 입력시키는 거임. 즉, 키보드 대신에 목소리를 쓴다고 보면 됨. 단점은, 크게 2가지인데, STT 모델을 거쳐야 하니까 조금 느린 게 있고, 일단 무엇보다 오디오 정보 손실이 큼. 목소리의 크기, 톤, 혹은 감정...발음? 등등. 많은 오디오 관련 데이터가 사라짐. 그리고 GPT의 출력 내용을 TTS(text to speech) 즉 전자녀 같은 모델을 써서 그냥 읽어주는 거임.

[익명(175.206)]

즉, 네 목소리 -> STT -> LLM(GPT4) -> TTS -> 네 귀 이런 단계인데, 이번에 공개한 건 GPT4o가 텍스트만 입력 받는 게 아니라, 목소리랑 이미지도 직접 입력 받고, 출력 할 수 있게 했다는 거임. 즉, 네 목소리 -> LMM(GPT4o) -> 네 귀 이게 됨. 당연히 앞서 말한 단점이 사라지는데, 속도 향상 + 음성 정보 유지. 즉, 시연영상처럼 '내 목소리를 분석해줘.' '내 말 속도 어때?' '내 영어 발음 어때?' 같은 걸 시킬 수 있고, 출력도 더 다양하게 요청할 수 있음. '화난 목소리로 대답해줘.' 등등. openAI에선 사용자 편의성을 높였다고 말했음. 사용자들이 느낄 땐, 진짜 사람하고 말하는 느낌이긴 할거임.

[익명(175.206)]

근데, openAI가 일반 사용자 편의성을 강조해서 단일신경망. 뭐 이런 얘기를 강조를 안 한 것 같은데, AI 쪽에서 볼 땐 이게 더 놀라운 일이긴 함. 기존 LLM은 text만 입력 할 수 있고, 음성을 넣을 때도 STT를 써야 했고, 이미지 분석도 사실 이미지 분석 모델에 넣어서 그 결과물이 text로 나와야 이걸 가지고 GPT가 분석해준거임. 근데, 이젠 오디오, 이미지도 굳이 텍스트로 변환 안 시키고 바로 입력 받아서, 출력 할 수 있다는 거지. 다른 기업들도 이걸 보고 감명 받아서 시도할 지 모르겠는데, 다들 GPT4를 따라잡는 것도 버거워 했는데, 대뜸 다음 세대 모델을 내놓은거라고 생각함. 여전히 몇달 앞서있는 듯.

[익명(175.206)]

물론, 기존 방식인, STT -> LLM 방식이 더 나을 수도 있음. 오디오 데이터가 적어서 학습량이 적으면, 오디오 인식 능력이 아직 부족하거나 뭐 오해하거나 등등. 단점은 있을 수 있음. 하지만, 이것도 이제 시작이니까, 사실상 오디오GPT3.5 뭐 이런 느낌이겠지. 더 나아질 여지가 많다고 생각함. 그리고, 이번에 공개하면서 이거 추론 비용도 확 줄고, 속도도 늘었는데. 더 많은 걸 학습 시키는데 왜 더 싸지고 저렇게 된 건지 모르겠음. 만약에 얘네가 뭔가를 발견해서 그런거라면, 앞으로 나올 모델은 더욱 뛰어난데 더욱 쌀수도 있고. 뭔가 구글 IO가 있는 거 없는 거 최대한 보여주려고 한 느낌이라면, openAI는 가볍게 하나 툭 던진 느낌이라... 뭘 더 보여줄 지 개인적으로 기대됨.

[익명(gray0328)]

글쓴인데 이거보고 이해가 너무 잘됐다.. 설명 되게 잘하네 너무 감동이다 고맙다 ㅠㅠ - dc App

[익명(58.124)]

친절하구만

[익명(175.120)]

실시간으로 시각정보와 음향정보를 사용해서 챗봇과 대화할 수 있다는 장점?이 있을듯