
OpenAI está a introducir Live Dictation, unha nova función de ditado para ChatGPT que permite visualizar a transcrición dunha mensaxe de voz mentres se está falando, sen ter que agardar a que remate a gravación para obter o texto.
A novidade busca axilizar a introdución de peticións mediante voz. Ao activar o micrófono, o sistema vai convertendo a fala en texto en tempo real, que aparece na caixa de composición. Unha vez rematada a intervención, o usuario pode revisar e modificar a transcrición antes de enviala.
A función tamén elimina o límite de dez minutos que existía nas gravacións do ditado e introduce melloras na fiabilidade do recoñecemento da voz. A actualización está a distribuírse a escala global para todos os plans de ChatGPT, tanto na versión web como nas aplicacións de escritorio, iOS e Android.
Para consultar o texto xerado durante a gravación abonda con premer na forma de onda do audio. A transcrición móstrase entón na interface e pode editarse antes de converterse nunha mensaxe.
Este ditado non debe confundirse co modo de gravación de ChatGPT, unha ferramenta diferente orientada a transcribir notas de voz e reunións, que continúa en fase beta e está limitada a determinados plans de subscrición e espazos de traballo. Live Dictation céntrase na introdución de peticións mediante o micrófono integrado na caixa de texto.
OpenAI tamén detalla que o audio do ditado se conserva mentres a conversa permaneza no historial. Ao eliminar o chat, o fragmento de audio asociado elimínase nun prazo de 30 días, agás determinadas excepcións legais ou de seguridade. O uso destas gravacións para adestrar os modelos depende das opcións de privacidade e compartición de datos que teña activadas o usuario.
