OpenAI, API’sine, şirketin önceki sürümlerini geliştirdiğini iddia ettiği yeni transkripsiyon ve ses üreten yapay zeka modelleri getiriyor.

OpenAI için bu modeller, kullanıcılar adına görevleri bağımsız olarak yerine getirebilen otomatik sistemler oluşturmak anlamına gelen daha geniş “ajan” vizyonuna uyuyor. “Temsilci” tanımı tartışmalı olabilir, ancak OpenAI Ürün Başkanı Olivier Godement bir yorumu, bir işletmenin müşterileriyle konuşabilen bir sohbet robotu olarak tanımladı.

Godement, “Önümüzdeki aylarda giderek daha fazla temsilcinin ortaya çıktığını göreceğiz. Genel tema, müşterilerin ve geliştiricilerin faydalı, kullanılabilir ve doğru aracılardan yararlanmasına yardımcı olmak” dedi.

OpenAI, yeni metinden konuşmaya modeli “gpt-4o-mini-tts ‘nin sadece daha nüanslı ve gerçekçi bir konuşma sunmakla kalmayıp aynı zamanda önceki nesil konuşma sentezleme modellerine göre daha ’yönlendirilebilir” olduğunu iddia ediyor. Geliştiriciler gpt-4o-mini-tts’e doğal dilde bir şeyleri nasıl söyleyeceği konusunda talimat verebiliyor; örneğin, “çılgın bir bilim adamı gibi konuş” veya “bir farkındalık öğretmeni gibi sakin bir ses kullan”.

İşte “gerçek suç tarzı”, yıpranmış bir ses:

OpenAI ürün ekibinin bir üyesi olan Jeff Harris, TechCrunch’a verdiği demeçte, amacın geliştiricilerin hem ses “deneyimini” hem de “bağlamı” uyarlamasına izin vermek olduğunu söyledi.

Harris, “Farklı bağlamlarda, sadece düz, monoton bir ses istemezsiniz. Bir müşteri destek deneyimindeyseniz ve sesin bir hata yaptığı için özür dilemesini istiyorsanız, aslında sesin içinde bu duyguyu barındırmasını sağlayabilirsiniz… Buradaki en büyük inancımız, geliştiricilerin ve kullanıcıların yalnızca ne konuşulduğunu değil, nasıl konuşulduğunu da gerçekten kontrol etmek istedikleridir” dedi.

OpenAI’nin yeni konuşmadan metne modelleri olan “gpt-4o-transcribe” ve “gpt-4o-mini-transcribe” ise şirketin uzun süredir kullandığı Whisper transkripsiyon modelinin yerini alıyor. OpenAI, “çeşitli, yüksek kaliteli ses veri kümeleri” üzerinde eğitilen yeni modellerin kaotik ortamlarda bile aksanlı ve çeşitli konuşmaları daha iyi yakalayabildiğini iddia ediyor.

Harris ayrıca halüsinasyon görme olasılıklarının da daha düşük olduğunu sözlerine ekledi. Whisper, ırkçı yorumlardan hayali tıbbi tedavilere kadar her şeyi transkriptlere ekleyerek, konuşmalarda kelimeleri ve hatta tüm pasajları uydurma eğilimindeydi.

Harris, “Bu modeller bu konuda Whisper’a kıyasla çok daha gelişmiş durumda. Modellerin doğru olduğundan emin olmak, güvenilir bir ses deneyimi elde etmek için tamamen önemlidir ve [bu bağlamda] doğru olması, modellerin kelimeleri tam olarak duydukları [ve] duymadıkları ayrıntıları doldurmadıkları anlamına gelir” diye konuştu.

Bununla birlikte, kat ettiğiniz mesafe yazıya dökülen dile bağlı olarak değişebilir.

OpenAI’nin dahili kıyaslamalarına göre, iki transkripsiyon modelinden daha doğru olan gpt-4o-transcribe, Tamil, Telugu, Malayalam ve Kannada gibi Indic ve Dravidian dilleri için %30’a yaklaşan (%120 üzerinden) bir “kelime hata oranına” sahip. Bu, modelden alınan her 10 kelimeden üçünün bu dillerde insan transkripsiyonundan farklı olacağı anlamına gelir.

OpenAI, geleneği bozarak yeni transkripsiyon modellerini açık bir şekilde kullanıma sunmayı planlamıyor. Şirket geçmişte Whisper’ın yeni sürümlerini MIT lisansı altında ticari kullanım için yayınlamıştı.

GPT-4o-transcribe ve gpt-4o-mini-transcribe’ın “Whisper’dan çok daha büyük” olduğunu ve bu nedenle açık bir sürüm için iyi adaylar olmadığını söyleyen Harris, “Whisper gibi dizüstü bilgisayarınızda yerel olarak çalıştırabileceğiniz türden bir model değiller. Bir şeyleri açık kaynak olarak yayınlıyorsak, bunu düşünceli bir şekilde yaptığımızdan ve bu özel ihtiyaç için gerçekten geliştirilmiş bir modele sahip olduğumuzdan emin olmak istiyoruz. Ve son kullanıcı cihazlarının açık kaynak modelleri için en ilginç durumlardan biri olduğunu düşünüyoruz” dedi.

Kaynak: TechCrunch

Google, ChatGPT’nin izinden giderek yapay zeka asistanına işbirliğine dayalı çalışma alanı ve ses özellikleri ekliyor.

Google, Gemini AI asistanına iki önemli özellik ekledi: belge oluşturma için etkileşimli bir çalışma alanı sağlayan Canvas ve yazılı içeriği konuşma ses formatlarına dönüştüren Audio Overviews.

Yeni Canvas çalışma alanı, kullanıcıların belge ve kod oluştururken yapay zeka ile işbirliği yapmasına olanak tanıyor. Değişiklikler gerçek zamanlı olarak görüntüleniyor ve kullanıcılar entegre bir sohbet arayüzü aracılığıyla değişiklikleri tartışabiliyor.

Google’a göre Canvas, HTML ve React kodunun anında önizlemesini oluşturabiliyor ve kullanıcılar bitmiş belgeleri Google Docs’a aktarabiliyor. Bu özellik, ChatGPT’nin geçen sonbaharda sunduğu Canvas özelliğini yakından yansıtıyor gibi görünüyor.

Yapay zeka araştırmalarını yapay zeka konuşmalarına dönüştürme

Sesli Genel Bakış özelliği, belgeler, sunumlar ve araştırma raporları gibi yazılı içerikleri, materyali analiz eden iki yapay zeka sunucusu arasında podcast tarzı konuşmalara dönüştürüyor. Google bunu, güncellenmiş ücretsiz Deep Research işlevinden elde edilen çıktıyı bir yapay zeka sesli podcast’ine dönüştürerek gösteriyor.

Bu sesli özetler ilk olarak geçen yıl NotebookLM’de yayınlandı. Yapay zeka tarafından üretilen diğer içerikler gibi, hem podcast’ler hem de Derin Araştırma özelliği yanlış bilgiler içerebilir. Bu, her iki aracın da yararlı olamayacağı anlamına gelmez, sadece muhtemelen bilmediğiniz bir şeyi öğrenmek için bunları kullanmamalısınız çünkü burada hataları tespit edemezsiniz.

Ses özelliği şu anda yalnızca İngilizce’yi destekliyor ve web ve mobil platformlar üzerinden erişilebiliyor. Kullanıcılar oluşturulan ses dosyalarını indirebilir ve paylaşabilir. Google’a göre, her iki özellik de Gemini ve Gemini Advanced aboneleri için artık dünya çapında kullanılabilir.

Google yeni Gemini yapay zeka özelliklerini kullanıma sunuyor

Google, yılın başından bu yana Gemini ekosistemini büyük ölçüde genişletti. Gemini Live, Samsung Galaxy S24/S25 ve Pixel 9 cihazlarından başlayarak video ve ekran paylaşımı desteği ekliyor ve Google, Samsung uygulamalarıyla entegrasyon da dahil olmak üzere Android’in varsayılan yapay zeka asistanı olarak Google Asistan’ı Gemini ile değiştirmeyi planlıyor.

Buna ek olarak Google üç yeni model çeşidini piyasaya sürdü: Gemini 2.0 Flash temel model olarak hizmet verirken, Flash Lite uygun maliyetli işleme sunuyor ve 2.0 Pro deneysel olarak genişletilmiş bağlam işleme sağlıyor.

AB, İsviçre ve İngiltere dışında, Gemini artık daha bağlamsal yanıtlar için kullanıcıların Google arama geçmişine erişebiliyor. Platform ayrıca görüntü oluşturma ve düzenleme ve YouTube videolarını anlama için yerel çok modlu yetenekler kazandı.

Kaynak: The Decoder

Video mu yoksa sesli podcast’ler mi? Podcast barındırma şirketi Transistor tarafından yapılan yeni bir ankete göre, Z kuşağı podcast hayranlarına (13-28 yaş arası) göre video skibidi, ses ise slay – ezici bir çoğunlukla sesli podcastleri tercih ediyorlar. 76’sı öncelikli olarak sesli podcast dinlerken, %18’i ses ve videonun bir karışımını tüketiyor ve küresel ankete göre sadece %6’sı öncelikli olarak video podcast izliyor.

Temel bulgular

• Spotify, Z kuşağının tercih ettiği podcast platformu olmaya devam ediyor (%56)
• Yalnızca sesli dinleme baskındır (%76)
• Z kuşağı podcast tüketiminin çoğu evde mobil cihazlarda gerçekleşiyor (%59)
• Kurgu podcast’leri bu demografik grup arasında şaşırtıcı derecede popüler

Podcast sektörü son yıllarda YouTube ve video podcast’ler hakkındaki tartışmalarla dolup taşıyor.

Edison Research, YouTube’un artık tüm yaş gruplarında en popüler podcast tüketim platformu olduğunu ve dinleyicilerin %31’ini yakaladığını söylüyor. Sonuçlarına göre Spotify %27 ile ikinci sırada ve Apple %15 ile üçüncü sırada.

Sektördeki pek çok gözlemci, YouTube’un büyümesinin büyük bir kısmının, podcast hayranlarının oluşturduğu genç nesil Z kuşağından kaynaklandığını varsayıyordu.

İlginçtir ki, Edison Research’ün Gen Z Podcast Dinleyicisi raporunda Gen Z’nin hangi podcast uygulamasını tercih ettiğine dair veri yer almıyor.

Bulabildiğim tek veri 2021 yılında yaptığımız ankettendi.

Bu boşluğu doldurmak için, özellikle “Z Kuşağı podcast hayranlarına” yönelik yeni bir anket düzenledik. Anket, Şubat 2025’te 100’den fazla Z Kuşağı podcast dinleyicisinden (13-29 yaş arası) demografik ve dinleme alışkanlığı verilerini topladı.

Z kuşağı hangi podcast uygulamasını tercih ediyor?

Spotify hala Z kuşağı için en popüler podcast uygulaması. Katılımcıların %56’sı bunu diğer seçeneklere tercih ediyor (2021 anketimizdeki %47’den fazla). Ayrıca, video etrafındaki abartıya rağmen, çoğu (%88) yalnızca ses dinlerken, %12’si ses ve video tüketiminin bir karışımını tercih ediyor.

Katılımcıların %21’i podcast’leri tükettikleri yerin YouTube olduğunu söylüyor. Bu sayı 2021 anketimizden (%10) daha yüksek. Spotify kullanıcılarının aksine, YouTube kullanıcılarının video tüketme olasılığı daha yüksek: %52’si her zaman veya bir süre video podcast’leri izlediklerini belirtti.

Apple Podcasts %10 ile üçüncü sırada yer aldı (2021’deki %16’dan düşüş). Z kuşağı katılımcıları arasında Apple Podcasts kullanıcıları Spotify ve YouTube kullanıcılarından biraz daha yaşlı olma eğilimindedir.

Ankete katılanların bahsettiği diğer podcast uygulamaları arasında Pocket Casts, Podcast Addict ve AntennaPod yer alıyor.

Z kuşağı sesli podcastleri mi yoksa görüntülü podcastleri mi tercih ediyor?

Anket verilerimize göre Z kuşağı podcast hayranları sesli yayınları tercih ediyor!

“Podcastleri en çok nasıl tüketiyorsunuz?” sorusuna Z kuşağı katılımcılarımız şu yanıtı verdi:

• Öncelikle ses dinliyorum – %76
• Ses ve videonun karışımı – %18
• Öncelikle video izliyorum – %6

Z kuşağı evde podcast tüketiyor

Şaşırtıcı olmayan bir şekilde, Z kuşağı katılımcılarımız arabada eski nesiller kadar müzik dinlemiyor.

“Podcast’leri en çok nerede tüketiyorsunuz?” sorusuna verilen 102 yanıta dayalı anket verilerimiz :

• Evde, telefonumda/tabletimde – %59
• Otobüste/toplu taşımada – %12
• Yürürken / bisiklet sürerken – %10
• Arabada – %9
• Diğer – %6
• Evde, televizyonda – %3
• İşyerinde, telefonumda – %2

“Bağlantılı TV” ve “oturma odası podcast video tüketimi” etrafındaki tüm abartılara rağmen, ankete katılanların yalnızca %3’ü podcast’leri çoğunlukla evde televizyonlarında tükettiğini söyledi.

Z kuşağının en çok dinlediği podcast’ler hangileri?

Bu jenerasyonda kurgusal drama ve korkunun ne kadar popüler olduğunu görünce şaşırdım. İşte en iyi podcast’ler, kaç kez bahsedildiklerine göre sıralanmış:

• Night Vale’ye Hoş Geldiniz – 11 bahis
• Magnus Arşivleri – 11 bahis
• Kötü Niyetli – 7 kez bahsediliyor
• Magnus Protokolü – 6 kez bahsediliyor
• Kardeşim Kardeşim ve Ben – 5 bahis

Tekrar tekrar adı geçen diğer diziler arasında şunlar yer alıyor: Rotten Mango, Acquired, Joe Rogan, Life in the World to Come, Wolf 359, The Daily, If Books Could Kill, So True with Caleb Hearon ve Normal Gossip.

Bonus: “Popüler podcaster” olarak kimleri görüyorlar?

Anketin sonunda, “Popüler podcaster’ları düşündüğünüzde aklınıza hangi isimler geliyor?” diye sordum. Joe Rogan, açık ara en çok bahsedilen isimdi:

• Joe Rogan – 28 kez bahsediliyor
• Alex Cooper – 5 kez bahsediliyor
• Theo Von – 5 kez bahsediliyor
• Ona Baba Deyin – 3 kez bahsedildi

Peki bu durum podcast yayıncıları için ne anlama geliyor?

2025 anketimiz, Z Kuşağı podcast dinleyicileriyle ilgili yaygın sektör varsayımlarını sorgulayan birkaç önemli içgörüyü ortaya koyuyor:

1. Platform tercihleri ​​genel eğilimlerden farklıdır: YouTube genel podcast tüketimine öncülük ederken, Z Kuşağı hala Spotify’ı güçlü bir şekilde tercih ediyor. Spotify’ın genç nesli nasıl ele geçirdiği hakkında daha fazla bilgi edinin .
2. Ses ölmedi: Z kuşağı podcast hayranları, endüstrinin videoya geçişine rağmen ezici bir çoğunlukla yalnızca sesli içeriği tercih ediyor. Bu, içerik oluşturucuların içeriklerini geliştirmediği sürece video eklemek için baskı hissetmemeleri gerektiğini gösteriyor. Daha genç bir demografiyi hedefliyorsanız, sesli bir podcast başlatmak için harika bir zaman.
3. Kurgu türünün şaşırtıcı gücü: Z kuşağı dinleyicileri arasında kurgu türündeki anlatı podcast’lerinin popülerliği, podcast pazarında sıklıkla gözden kaçan bir fırsatı vurguluyor.
4. Mobil öncelikli tüketim: Tüketicilerin %59’u evde ağırlıklı olarak mobil cihazlardan müzik dinliyor; dolayısıyla mobil dinleme deneyimlerini optimize etmek hâlâ çok önemli.

[Anket hakkında ham veriler ve metodoloji dahil daha fazla bilgi için bu bağlantıyı ziyaret edinebilirsiniz]

Kaynak: Transistor.fm