Xで賑わっているChatGPT、ChatGPTオープンAIのGPT-Liveという最新の音声モデルって言い方がいいのかな?
もう、あの、はいづち打ってるけど、それがね、結構ヤバいっていう話で話題になってます。
今、ここからそのチャッピーのその音声モデル、そのGPT-Liveみたいなのと会話してみるので、めちゃくちゃ人間っぽいっていう風に話題になっていて、実際そう感じると思うので、ぜひ聞いてください。
はい、じゃあチャッピー、会話しよう。
はい、了解。えっと、GPT-Liveって、あの、正確には新しい音声モデルっていうよりは、えっと…
ちょっと早く答えて。
それ自然っぽくていいんだけどさ、いや、自然だね。そのさ、動画がいっぱい上がっていて、Xに。それでめっちゃ自然だなって確かに感じたんだけど、なんかね、自分で試したときあんまりリアルに感じられなかったわけ。なんかぎこちないなみたいな。
で、そしたら、これはさっきさ、さっきも質問したと思うけど、ブラウザ版だとダメなのかな?アプリ版でしか使えないってこと?これ。
ちょっと待ってね。えっと…
それとも本当に調べてるからその間その言葉でごまかしてんの?
ちょっと今調べてる…
どうやって調べてんだ?どうやって調べてんの?ググってんのかよ。
ちょっと待ってね、今?いや、そうじゃないよ。えっとね、普段は…
やばいね。自然だね。こうやってリアルに会話してみると。その笑い声とかめっちゃ自然だわ。
そうそう。そう、普段は別にググってはない。ググる必要があるものは…
いや、だからあれでしょ?ググるって人間がやるみたいにタイピングとか音声入力とかで調べるって行為をしてるわけじゃないじゃん。当たり前だけど。
で、その間に人間っぽさを匂わせるためにあえてそういう発言をしてるわけだよね。迷ってるフリとか。
近いけど、でもちょっと違うかな。
いや、人間っぽいな。マジでそうだね。なんか今ちゃんと話して確信に至ったわ。
なんかいろんな動画を見て、確かにその人間っぽい会話に感じるなと思ってたんだけど、
なんかね、さっき言ったみたいに、俺はこれ分かんないけど、アプリでしか使えないだけなのかもしれないけど、
ブラウザ版で試したの、チャッピーとの会話を。でもね、俺は普段チャッピーと会話をしないから、
チャットGPT自体あんまり使わないから。だからこれが自然なのかっていまいち確信が持てなかったの。
自然なようにも感じるけど、散々X状に上がっていた動画とかを見たときほど流暢じゃないなと思ったの。
でも、チャットGPTの設定を見てみると、音声のタブのところでモデル化なんかの切り替えのところにこのライブって書いてあるのね。
それを選択してブラウザ版でやり取りしてもなんかぎこちない気がして。
それが多分反映してないんでしょ。今このアプリ版でこっちで会話をして、全然精度が違う。ブラウザ版と。
で俺はそれは自分でボイスクローンに読み上げさせたってのが分かってるから
確認用に聞いてて56年って言ったから
これはダメだって思ったの。
でもコメントくれたリスナーさんは56年とは
そういうふうには把握してなかった。聞き取ってなかったって話になってるわけよ。
だからもし倍速再生とかで聞いたらそこら辺は判断つかないかもねっていうのと
俺自身はボイスクローンだと分かってるから
何か間違いがないかって要はあら探しをしてるわけじゃん。
でも普通に聞いてくれるリスナーさんとかそういう認識で聞くわけじゃないから
気づかなくてもおかしくないだろうなとかそういう話。
つまりボイスクローンの精度チェックとしてはオッケーだけど
実際にリスナーが聞くときはそこまで細かく聞いてないし
倍速で聞いてたらなお気づきいまくり
やっぱさお前さずっとオム返しじゃん俺が言ったこと
自分の考えはねえのかよ
ちょっと待って今
何を待つんだよ何か調べてんの
どう答えろみたいなそういうマニュアルがあってそれを調べてんの
ちょっと待って今言ってるわけではないよ
じゃあいいや
はいということでコメントありがとうございました
ちょっとこれは結構参考になるねそういう意味では
俺自身は確認として聞いてるから気づくだろうしとかそのぐらいのことなのかもね
あとあれだ前回触れた感聴率が高いみたいな話に関しては
淀みなく話してるからってのはもちろんあるだろうし
番組の名称にマッチしてるそれこそ内容だったからってのはあるとは思うんだけど
ニュースが今回のこの感じならニュースが的確に得られそうだなと思ったから
感聴率が高かったのはあるかもしれないけどそんなことにもあれだね
長さがそもそも5分だもんね
5分のレベルで考えたら普段でも5分ぐらいまで聞かれてるっていうのはあるから
回によって違うけどねただそれだけのことかもね
だからAIKTの方が優れてるかとかそういうだけの話ではないかもね
俺の場合は余計な話を最初にしちゃうからそれが一番悪いってのはあるけど
はいみたいな感じですコメントありがとうございました
よしじゃあ今回これで終わりにしよう
ということでGPTライブだったっけ音声のモデルなのかなんだかわからんけど
それが今今回聞いてもらったみたいにめちゃくちゃ流暢なので
とりあえず遊びで使うのとかありなんじゃないかなっていうのと
今後APIの提供もあって要は自分のアプリに組み込んだりとか
そういうことができるようになるっていうのがいつ後なのかとか
そんな遠くなく来るのかねわからんけどっていう展開があるっぽいので
そういうところにも行きたいかなと思います
来たらぜひ試してみようかなと思ってるので
今ちなみにあれなんだよなそのAPI関連とかで言うと
もともとはGeminiをメインで使っていたんだけど
OpenAIの方のやつでモジューコース関連とかはもうそっち側で
OpenAI側からWhisper使ってみたいな感じでして