ChatGPT लवकरच तुमच्या स्मार्टफोनच्या कॅमेऱ्यातून पाहिल्यानंतर प्रश्नांची उत्तरे देण्याची क्षमता प्राप्त करू शकते. एका अहवालानुसार, ओपनएआयच्या प्रगत व्हॉईस मोडचा भाग असलेल्या लाइव्ह व्हिडिओ वैशिष्ट्याचा पुरावा Android बीटा ॲपसाठी नवीनतम ChatGPT मध्ये आढळून आला. ही क्षमता पहिल्यांदा मे महिन्यात AI फर्मच्या स्प्रिंग अपडेट्स इव्हेंटमध्ये दाखवण्यात आली होती. हे चॅटबॉटला स्मार्टफोनच्या कॅमेरामध्ये प्रवेश करण्यास आणि वापरकर्त्याच्या आसपासच्या प्रश्नांची रिअल-टाइममध्ये उत्तरे देण्यास अनुमती देते. इमोटिव्ह व्हॉईस क्षमता काही महिन्यांपूर्वी रिलीझ झाली असताना, कंपनीने आतापर्यंत लाइव्ह व्हिडिओ वैशिष्ट्यासाठी संभाव्य प्रकाशन तारीख जाहीर केलेली नाही.
नवीनतम बीटा रिलीझवर ChatGPT लाइव्ह व्हिडिओ वैशिष्ट्य शोधले
एक Android प्राधिकरण अहवाल अँड्रॉइड पॅकेज किट (एपीके) ॲपच्या फाडण्याच्या प्रक्रियेदरम्यान आढळलेल्या लाइव्ह व्हिडिओ वैशिष्ट्याचा तपशीलवार पुरावा. Android बीटा आवृत्ती 1.2024.317 साठी ChatGPT मध्ये क्षमतेशी संबंधित कोडच्या अनेक स्ट्रिंग्स दिसल्या.
विशेष म्हणजे, लाइव्ह व्हिडिओ वैशिष्ट्य चॅटजीपीटीच्या प्रगत व्हॉइस मोडचा भाग आहे आणि ते AI चॅटबॉटला रिअल-टाइममध्ये प्रश्नांची उत्तरे देण्यासाठी आणि वापरकर्त्याशी रिअल-टाइममध्ये संवाद साधण्यासाठी व्हिडिओ डेटावर प्रक्रिया करू देते. यासह, ChatGPT वापरकर्त्याच्या फ्रीजमध्ये पाहू शकते आणि घटक स्कॅन करू शकते आणि रेसिपी सुचवू शकते. ते वापरकर्त्याच्या अभिव्यक्तींचे विश्लेषण देखील करू शकते आणि त्यांचा मूड मोजण्याचा प्रयत्न करू शकते. हे भावनात्मक आवाज क्षमतेसह जोडलेले होते जे AI ला अधिक नैसर्गिक आणि अभिव्यक्त पद्धतीने बोलू देते.
अहवालानुसार, फीचरशी संबंधित कोडच्या अनेक स्ट्रिंग्स दिसल्या. अशीच एक स्ट्रिंग सांगते, “चॅटजीपीटीला तुमच्या सभोवतालचा परिसर पाहू आणि चॅट करू देण्यासाठी कॅमेरा आयकॉनवर टॅप करा,” जे डेमो दरम्यान वैशिष्ट्यासाठी OpenAI ने दिलेले तेच वर्णन आहे.
इतर स्ट्रिंग्समध्ये “लाइव्ह कॅमेरा” आणि “बीटा” सारख्या वाक्यांशांचा समावेश आहे, जे वैशिष्ट्य रिअल-टाइममध्ये कार्य करू शकते आणि अंडर-डेव्हलपमेंट वैशिष्ट्य प्रथम बीटा वापरकर्त्यांसाठी रिलीझ केले जाण्याची शक्यता आहे.
कोडच्या दुसऱ्या स्ट्रिंगमध्ये वापरकर्त्यांसाठी थेट नेव्हिगेशन किंवा वापरकर्त्यांच्या आरोग्यावर किंवा सुरक्षिततेवर परिणाम करू शकणाऱ्या निर्णयांसाठी लाइव्ह व्हिडिओ वैशिष्ट्य न वापरण्याची सल्ला देखील समाविष्ट आहे.
या स्ट्रिंग्सचे अस्तित्व वैशिष्ट्याच्या रिलीझकडे निर्देश करत नसले तरी, आठ महिन्यांच्या विलंबानंतर, कंपनी या वैशिष्ट्यावर काम करत असल्याचा निर्णायक पुरावा सापडण्याची ही पहिलीच वेळ आहे. याआधी, OpenAI ने दावा केला होता की वापरकर्त्यांना सुरक्षित ठेवण्यासाठी फीचरला विलंब होत आहे.
उल्लेखनीय म्हणजे, Google DeepMind ने मे मध्ये Google I/O इव्हेंटमध्ये देखील अशाच प्रकारचे AI व्हिजन वैशिष्ट्य प्रदर्शित केले. प्रोजेक्ट एस्ट्राचा एक भाग, वैशिष्ट्य जेमिनीला डिव्हाइसचा कॅमेरा वापरून वापरकर्त्याचा परिसर पाहण्याची सुविधा देते.
डेमोमध्ये, Google चे AI टूल ऑब्जेक्ट्स अचूकपणे ओळखू शकते, सध्याच्या हवामानाचा अंदाज लावू शकते आणि लाइव्ह व्हिडिओ सत्रात आधी पाहिलेल्या वस्तू देखील लक्षात ठेवू शकते. आतापर्यंत, माउंटन व्ह्यू-आधारित टेक जायंटने देखील हे वैशिष्ट्य कधी सादर केले जाईल याबद्दल टाइमलाइन दिलेली नाही.
