>> 華泰證券-傳媒行業(yè)動態(tài)點評：ChatGPT多模態(tài)功能升級，促AI應(yīng)用-230926
| 上傳日期： |
2023/9/27 |
大?。?/td>
| 566KB |
| 格式： |
pdf 共5頁 |
來源： |
華泰證券 |
| 評級： |
增持 |
作者： |
朱珺,吳曉宇 |
| 行業(yè)名稱： |
傳媒 |
| 下載權(quán)限： |
此報告為加密報告，僅限高級會員查看 |
|
|
OpenAI官宣ChatGPT將上線語音和圖像等功能，多模態(tài)能力升級
據(jù)OpenAI官網(wǎng)，ChatGPT將在未來兩周內(nèi)對Plus用戶與企業(yè)用戶開放新功能，包括語音對話能力以及圖像讀取與理解（圖生文）能力。語音對話的功能針對ios及安卓客戶端開放，圖生文能力將向全平臺開放。我們看到ChatGPT在語音對話及圖生文等功能上的更新是其在多模態(tài)化上的進(jìn)一步迭代，提升用戶的使用便捷性和場景范圍。AI生態(tài)企業(yè)的垂直應(yīng)用有望受益于AI工具在語音、圖像等多模態(tài)領(lǐng)域的完善，由文本、語音、圖像向更復(fù)雜模態(tài)的視頻、3D模型的AIGC也將持續(xù)推進(jìn)。產(chǎn)業(yè)鏈相關(guān)公司包括昆侖萬維、焦點科技、巨人網(wǎng)絡(luò)、愷英網(wǎng)絡(luò)、藍(lán)色光標(biāo)、盛天網(wǎng)絡(luò)、完美世界。
語音功能：面向移動端提供實時直接語音交互，提升使用體驗便捷度
新的語音功能能夠讓ChatGPT與用戶實現(xiàn)純語音的實時互動對話。ChatGPT的最新語音功能由文本到語音（TTS）模型提供支持，能夠僅通過文字和幾秒時長的樣本語音直接生成模擬人聲音頻，OpenAI與專業(yè)配音演員合作創(chuàng)建了5種合成語音可供選擇。語音對話的功能將針對iOS及安卓客戶端開放。另外，功能中使用了OpenAI此前自研的開源語音識別模型工具Whisper，也提供將用戶的語音轉(zhuǎn)錄成文本的功能。據(jù)OpenAI官網(wǎng)，Spotify正在使用ChatGPT的聲音轉(zhuǎn)換功能幫助平臺上的播客創(chuàng)作者以自己的聲音將博客內(nèi)容進(jìn)行更多語言的翻譯錄制。
圖生文功能：支持多圖問答理解分析，擴(kuò)大使用場景范圍
GPT-4多模態(tài)識圖功能OpenAI在3月就已經(jīng)提出，此次正式發(fā)布的版本中，圖生文能夠支持用戶上傳一張或多張圖片，并為移動端用戶提供畫筆工具，讓用戶圈出圖中的要點，ChatGPT從而能夠聚焦具體圖片細(xì)節(jié)進(jìn)行進(jìn)一步分析。圖像讀取理解能力由多模態(tài)模型GPT-3.5和GPT-4支持，能夠理解的圖像類型包括照片、截圖等，可以同時包含文本及圖案。因而圖生文功能的加入有望助力ChatGPT能夠應(yīng)用于更多用戶日常的使用場景中。據(jù)OpenAI官網(wǎng)，服務(wù)盲人和視力低下人群的移動APPBe My Eyes目前已經(jīng)使用ChatGPT的圖像功能，幫助用戶識別視野范圍內(nèi)具體的人或物。
多模態(tài)能力或加速AI場景化應(yīng)用，邁向安全有益的AGI（通用人工智能）
此外，OpenAI于9月20日在官網(wǎng)宣布推出文生圖AI工具的最新迭代版本DALL·E 3。相較于前代，DALL·E 3在提示詞輔助生成及文本理解、圖片生成細(xì)節(jié)豐富度上有顯著的提升。DALL·E 3將于10月初面向ChatGPTPlus和企業(yè)用戶開放。OpenAI在官網(wǎng)指出希望能夠構(gòu)建安全并且有益的AGI，因而逐步豐富目前的產(chǎn)品功能，包括此次的語音及圖像相關(guān)的能力。另外，據(jù)The Information，谷歌也將推出最新多模態(tài)AI大模型Gemini。我們認(rèn)為，隨相應(yīng)功能開放后，頭部大模型公司的多模態(tài)道路有望加速推進(jìn)，AI生態(tài)企業(yè)的垂直應(yīng)用有望受益于語音、圖像等多模態(tài)能力的完善。
風(fēng)險提示：AI技術(shù)瓶頸難以突破、AI相關(guān)法規(guī)仍待完善、AI應(yīng)用落地不及預(yù)期
|
|
