Translated by AI:
Proposal for the OpenAI team: Exploring voice capabilities through sequences of sounds
Hello.
I wanted to share an observation that came up while I was experimenting with ChatGPT’s voice mode.
During a conversation, I discovered that, although the system seems to have limitations when it comes to sustaining a single sound for a long time, it is possible to achieve a very similar effect by continuously linking sounds together. In practice, this makes it possible to produce sustained vowels for longer and create more natural flows of sound than initially seems possible.
That experiment led to a broader idea: perhaps the model could use this same approach to improve its vocal capabilities. Rather than treating speech as isolated utterances, it could build sequences of linked sounds with a stable pitch and volume. This could allow for more fluid performances, rhythmic patterns, vocal exercises, humming, and other forms of expression within the product’s policies.
What excites me most is not just the idea itself, but the process of arriving at it: experimenting, questioning an apparent limitation, and looking for an alternative solution. I believe many improvements come from precisely that kind of exploration.
I am not proposing this as a way to circumvent limitations, but as a possible improvement to the voice experience, making better use of the system’s existing capabilities.
I think this idea could have practical applications in various areas, such as education, language learning, pronunciation and phonetics, music theory and education, ear training, vocal exercises, accessibility, and the development of more expressive and natural voice interactions.
Beyond this particular proposal, I believe this kind of exploration can be a useful source of new ideas for improving voice interaction. Often, an improvement comes not only from developing new capabilities, but also from discovering different ways to make use of those that already exist. That is why I wanted to share this observation.
If these kinds of observations are useful to the team, I would be happy to continue sharing similar experiments and ideas in the future.
Thank you very much for taking the time to read this proposal.
Original Post
Secuencia de sonidos sostenidos para multiples funciones
Propuesta para el equipo de OpenAI: Exploración de capacidades de voz mediante secuencias de sonidos
Hola.
Quería compartir una observación que surgió mientras experimentaba con el modo de voz de ChatGPT.
Durante una conversación, descubrí que, aunque el sistema parece tener limitaciones para mantener un único sonido durante mucho tiempo, es posible conseguir un efecto muy parecido encadenando sonidos de forma continua. En la práctica, esto permite producir vocales sostenidas durante más tiempo y crear flujos de sonido más naturales de lo que inicialmente parece posible.
A partir de ese experimento surgió una idea más amplia: quizás el modelo podría aprovechar este mismo enfoque para mejorar sus capacidades vocales. En lugar de pensar la voz como emisiones aisladas, podría construir secuencias de sonidos enlazados con un tono y un volumen estables. Esto podría permitir interpretaciones más fluidas, patrones rítmicos, ejercicios vocales, tarareos y otras formas de expresión dentro de las políticas del producto.
Lo que más me entusiasma no es solo la idea en sí, sino el proceso de haber llegado a ella: experimentar, cuestionar una limitación aparente y buscar una solución alternativa. Creo que muchas mejoras nacen justamente de ese tipo de exploración.
No planteo esto como una forma de eludir limitaciones, sino como una posible mejora de la experiencia de voz, aprovechando mejor las capacidades ya disponibles del sistema.
Creo que esta idea podría tener aplicaciones prácticas en distintas áreas, como la educación, el aprendizaje de idiomas, la pronunciación y la fonética, la teoría y educación musical, el entrenamiento auditivo, los ejercicios vocales, la accesibilidad y el desarrollo de interacciones por voz más expresivas y naturales.
Más allá de esta propuesta en particular, creo que este tipo de exploración puede ser una fuente útil de nuevas ideas para mejorar la interacción por voz. Muchas veces, una mejora no surge únicamente de desarrollar nuevas capacidades, sino también de descubrir formas diferentes de aprovechar las que ya existen. Por eso quise compartir esta observación.
Si este tipo de observaciones resulta útil para el equipo, me alegraría poder seguir compartiendo experimentos e ideas similares en el futuro.
Muchas gracias por tomarse el tiempo de leer esta propuesta.