Vi jämför de bästa AI-röstmodellerna och skapar ett enörhingsmarshmallowdataspel

Automatiskt transkriberat. Enstaka hörfel kan förekomma.

Hej och mycket välkomna till veckans AI-podden, videopodden, där vi testar AI-tjänster så du ska slippa. Hej Fredrik! Hej Magnus! Du laddar för en lång helg på landet. Det gör jag verkligen, jag ska träna innebandy-finter med mina barn. Ja, det låter väl trevligt.

Kommer du göra någonting som har med AI att göra? Jag har lite jobb att göra, så jag kommer sitta och labba en del. Och sen har jag också, inför den här veckans program, så har jag dragit igång med mitt projekt som jag tänker, förhoppningsvis lägga en massa tid på. Okej, kul. Jag kan hinta, jag har på senare år blivit en big time gamer, som jag har sagt förut i den här podden, så jag gillar att spela och tänka på nya spel. Så att jag har en spelidé som jag vill utveckla.

Och då tänker jag att nu när Kreti och Pleti nästan kan bli kodare, då finns det tillfälle för mig att förverkla den här idén. För du är liksom Kreti med stort K och jag är Kreti med stort P. Ja, verkligen. Så att jag sitter och kollar på massa Youtube-videos, hur man programmerar spel och sånt. Och sen så har det, i och med att de här stora LLM-erna blir bättre på att koda, och det kommer nya saker hela tiden, så har jag nu börjat brainstorma lite och tagit de första spadtagen i min spelidé här. Så det är mitt test idag.

Härligt. Jag älskar att du är en sån nörd, Fredrik. Men framförallt vill jag tjäna en massa pengar på det här spelet. Ja, vi har väl inte riktigt knäckt koden där, alltså förutom med vår egen tjänst. Då tjänar vi pengar på AI. Men det här med de här snabba pengarna som alla män i medelåldern vill åt. Ja, men jag vill ju att vi ska skapa ett nytt Candy Crush.

Någon sån här jätteenkel spelidé, men som bara är helt addiktiv. Okej, ja. Det låter bra. Du får köra det där. Jag är inte så mycket för tv-spel. Nej, nej. Jag är rädd för att mitt liv rinner iväg när jag håller på med sådana här dumheter istället för att lära mig saker. Du sitter och övar skalor i två timmar. Sån är ju jag, men jag förstår och respekterar att alla inte är så.

Lika pretto som du. Lika pretto, exakt. Vad händer i ditt liv, Marius? Ja, jag hade två AI-föreläsningar igår i Filippstad. Det var roligt. Det är kul att träffa, se hur nära folk är det här som vi håller på med varenda dag. Och det är väldigt blandat där ute, hur långt man har kommit med AI.

Och om man är, alltså det var en farbror som satt och såg, han såg genuint olycklig ut under hela föreläsningen. Och jag vet inte om det var hans utseende bara, eller om det var så att han tänkte att världen är dumd. Och sen var det i och för sig två som sov också. Om ni vill boka Magnus på föreläsningen. Jag tänkte såhär, okej, men jag ska inte fokusera på dem som nickar till. Men det var också en som sa, tack för att du kom. Vilken fantastisk föreläsning.

Jag känner mig full av inspiration. Det var också någon som sa det. Tror du att Kai Pollack har samma problem vid sina föreläsningar? Att man bara, vis dems ord från Kai Pollack såhär. Fokuserar inte på dem som sover när du pratar, utan tänk på det positiva. Det var, ja precis. Men, härligt. Vi ska ju prata lite AI, sådana här coola grejer.

Har du något? Ja, men en ganska rolig nyhet. Ja. Sam Altman, han är inte bara liksom mastermind och ägare av OpenAI. Han är involverad i andra bolag som heter Tools for Humanity. Är det Joni Ive vi pratar om nu?

Nej, jag vet inte om han är inblandad också. Men ganska nyligen så hade Sam Altman en presentation och hintade om att det kommer en produkt som heter The Orb. Jag vet inte vad The Orb ska hjälpa till med det. Nej. Den ska, det är som en stor, kan man säga, webbkamera som ska ställas upp i människors hem. Och scanna av biometrics hos människor.

Bland annat såhär iris i ögat och verifiera att de är människor. För att man ska kunna då verifiera att liksom avsändaren av vissa budskap är en människa. Så att det blir ett sätt, det blir som ett internationellt bank-ID med extra krydda. Alltså vadå, man ska ställa upp i sitt hem, jag fattar inte. Alltså Sam Altman och andra i branschen förut så är ju en problematik i att när AI tar över mer och mer. Det kommer bli omöjligt att skilja på mänskligt och AI-innehåll.

Så att det är lite, tänk motsvarigheten till Twitter eller X, verified, blå checkmark. Ja, så att man ska ha en webbkabra igång hela tiden som hela tiden bekräftar att man är en människa. Ja, exakt. Fast inne i datorn liksom, så att när du chattar så står det så här verified hela tiden. Du är fortfarande en människa. Ja men precis, det är tydligen sjukt komplexa, jag ska inte gå och lura, varje människa får någon slags ID bestående av 12 000 decimaler eller någonting.

Och jag tycker att det är intressant att en av pionjärerna inom AI nu slår på stora trumman för att liksom inom citationstecken göra en insats för mänskligheten i det här racet. Att vi vill ju fortfarande bevara det som är unikt och fint med mänskligheten. Det är lite som när flygbolagen köper utsläppsrätter typ, känns det som. Vad tänker du är unikt och fint med mänskligheten? Nej men Sam Altman. Ja nej, så det är väl, och det är också så här extremt så här tech bro it, så incitamentet för att skaffa en sån här kamera det är att man ska få någon slags kryptoinvestering värt 42 dollar.

Alltså jag fattar ingenting av det som du just har sagt de senaste fem minuterna, men jag är ändå försiktigt optimistisk till det du säger. Det låter så här, hålla koll på att folk är människor, det är en bra grej. Få en massa kryptopengar. What's not to like about it. What's not to like. Ja, sign me up.

Vi kommer testa det här. Det kan jag lova er. Okej, jag tror vi behöver dyka ner här lite djupare vid ett senare tillfälle. Apropå det, apropå, alltså OpenAI får ju så enormt mycket pengar hela tiden. Så de har ju råd att göra massa grejer. Den här grejen som du förklarade nu, den kände jag ju faktiskt inte till.

Nej. Men vet du vem, Joni Ivey? Ja, förrättad chefdesigner på Apple. Ja, exakt. Han är liksom en av de största produktdesigners som har levat i princip. Det finns några fler, men han är ju liksom up there.

Och han och Sam Altman är polare. De tycker mycket om varandra. Och i två år så har de kukulurat. Vad mysigt. Ja. Och det de tänker göra, det är att sätta igång med någon slags AI-drivna enheter.

Typ som den där pinnen. Kom ihåg den. Som inte gick så bra. Fast det här ska vara någon slags halsband. Och det är Joni Ivey som har designat det här. Och då får du gissa.

Hur mycket. Hans bolag, det är ett team på 55 personer. Ja. Så den har någon slags verksamhet. Det är en designstudio som heter Love From. Nu får du gissa.

Vad köpte OpenAI Love From för? De köpte alla aktier. Kan vi... Två miljarder dollar? Nej, inte riktigt. Tre gånger så mycket.

6,5 miljarder dollar. Ja, helvete alltså. Och så vad är det? 130 miljoner dollar per anställd eller tror jag. Ja, någonting. Då måste de verkligen ha kukulurat innan.

Ja, verkligen. Och hur mycket vill du ha? 6,5 miljarder dollar. Det är helt galet. Ja, shit alltså. Så att frågan är...

Där får vi ju liksom... Där fick vi en siffra på Joni Ives briljans. Eller påstådda... Han... OpenAI... Vad heter det?

Sammalt, man måste ju tro att Joni Ives har en grej till inom sig. Förutom iPhone eller iPod eller vad det var han. Så att... Så Google... De... Eller så här...

OpenAI... De kör på alla fronter samtidigt. Google kör på alla fronter samtidigt. Gick vi genom förra veckan. Så att... Har man riktigt mycket pengar...

Då kan man göra riktigt mycket coola grejer. Det minns det i fallet. Ja, otroligt. Ja. Vilken spaning. Sen...

Så det var ju... Det var ju den grejen. Sen hade jag lite andra... Så hade jag lite andra... Nyheter. Och det var framförallt en nyhet som jag...

Som jag tyckte var ganska rolig. Och det är också en affärsidé. Ja. Och det är egentligen att... Det är några av Silicon Valley största riskkapitalbolag som börjar tänka om. Så istället för att bara investera i tech-startups...

Så köper de nu vanliga företag. Typ som callcenter och redovisningsbyråer. Okej. För att förvandla dem med AI. Ja. Och då är det...

Det finns en sån här VC-firma som heter General Catalyst. Och de har satsat på sju sådana bolag. Det är för att de har... De sitter på kontrakten och sen så bara... Ja men nu kan vi rensa alla... Ja men alltså det är briljant.

Alltså det är en så jäkla bra affärsidé. Så att då har de... Då köper de så här ett... Ja, de har köpt en bolag som digitaliserar bostadsrättsföreningar till exempel. Mm. Men...

Det här påminner om... Vi har ju en kompis som heter Olle. Som är väldigt duktig på olika sätt. Men han har ju... Han hade ju en affärsidé under hela... Typ hela vår...

Ja, han har haft den här affärsidén. Att köpa något så här gammalt trött tillverkande bolag som inte går så bra. Och sen typ styra upp. Styra upp det. Och se till att de här stoppklossarna får gå. Och...

Bara rensa upp och strukturera och så här. Bara vara duktig på att driva bolag helt enkelt. Men det här är ju ett steg till. Och jag gillar den här idén alltså. Ja. Det borde vi göra.

Ja, det är smart. Det kanske gör lite ont dock. För det är ju mycket folk som jobbar på de här callcenter-bolagen och så. Men lite kittlande att man bara kapitaliserar på att man vet att så här. Okej, men vi kan nog lösa den här callcenter-verksamheten. Den kanske...

Vi kanske vi kan ha en liten chatbot som löser det mesta av det här. Och sen så behåller vi två stycken. Och sen så tar vi... Och de har ju liksom massa kunder. Fast inga AI-initiativ whatsoever. Alltså...

Mm. Vi får komma med olika prospekt här så ska vi se vad vi... Ja. Kanske inte nästa vecka. Nej. Vi måste få loss lite pengar.

De kostar ju ändå någonting, de här bolagen. Ja. Men jag gillar det. Jag gillar idén. Smart. Det är lite så här lateralt tänkande.

Ja. Man bara vänder på skiten. Ja, exakt. Ja. Exakt. Man börjar i rätt ände, helt enkelt.

Exakt. Ja, men bra. Jag hade... Det fanns väl lite mer nyheter. Men jag tänker att vi kanske nöjer oss där. Eller vad säger du?

Har du något mer? Jag har lite några smågrejer också. Och det är att... Liksom... Forskning visar att... Vi har ju pratat om vad AI ska betyda för arbetsmarknaden.

Ja. Och att man nu ser att det anställs färre nyexade till techbolag. Ja, just det. Det tillskriver man delvis AI-revolutionen. Alltså dels är det väl konjunkturen i allmänhet. Men att det är ju de första jobben som ryker.

Alltså där det är ganska enkla uppgifter. Samla in och analysera data och så vidare. Som AI gör det bra. Så att det är liksom det första ledet yrkesmänniskor som behöver vara svårt. Ja. Så det var intressant att se.

Sen så läste jag bara en rolig kommentar av Dario Amadeo. Hette man. Amadei. Som hävdade att AI hallucinerar män i ungefär samma utsträckning som människor. Jag tyckte det var en intressant take på det hela. Och han sa ju också såhär...

Snackar du killar eller tjejer nu? Exakt. Män och 50. Han sa att man... Eller vi är ju ganska... Vi är ju ganska lätt för att bara sätta stoppklossar för AI i att såhär...

Ja men en hallucinerare så är det ovanbart. Och han menar såhär att ja... Vi får liksom leva med lite fel. Och problemet idag är att den hallucinerar väldigt konstiga saker. Och jag tror att kan man få den att hallucinera på samma sätt som människor så är det bättre. Men att vi kanske aldrig...

Det är kanske inte hundra procent i träffsäkerhet vi ska sträva efter utan vi får leva med att okej... Det kanske blir ett knas ibland men på hela taget är det bättre än vad det var innan. Ja. Intressant. Jag tror att de kommer hitta något sätt att komma i ordning med det där. Men visst är det ju så att det är kanske den första grejen som gör att folk bara...

Nej AI är ju skit. Jag kommer inte att använda det här. Men man kanske inte tänker på att du behöver inte ha hundra procent akkurat information i alla lägen. Men när det kommer till typ analysera Excel-dokument och finansiella bitar och såhär... Då är det ganska bra om allting stämmer. Toppen.

Det är topping. Ja, nej men det var väl mina nyheter som gör det. Den här podden är sponsrat av Cowrite och det är ju vårt eget bolag och vi bygger skräddarsida AI-tjänster och framförallt så tänkte jag berätta lite kort om våra AI-chattbottar. Och det är inte vilka bottar som helst. Det är som att ge din hemsida eller din tjänst en ny kollega som jobbar dygnet runt, aldrig tappar tålamodet och alltid har koll på läget. De här bottarna svarar på kunders frågor.

De kan boka möten, de kan ge support och de kan guida nya användare helt på egen hand. Så vi bygger varje bott utifrån ert innehåll och er verksamhet. Om du är intresserad av det här så får du jättegärna mejla oss på info at cowrite.com så berättar vi hur vi kan hjälpa er vidare. Tusen tack. Tillbaka till podden. Ja men härligt, då kanske vi drar igång med våra test.

Vad har du idag Fredrik? Jag har testat Claudes nya modell som heter, nu ska vi se vad den heter. Heter den inte Sonnet 4.0? Nej den heter Claude Opus 4. Opus heter den ja. Och grejen med Opus, alltså den är ju ganska närbesläktad med chatgrupp heter 4 Deep Research.

Eller 4,5 skulle jag säga. De marknadsför den som att, ja men här får du rejäl hjälp med saker som behöver vara genomtänkta. Och den kan utföra mer komplexa uppgifter. Bara roligt innan jag visar så ett ganska bra sätt att testa de här nya modellerna har jag insett är att man bara ställer frågan till dem själva så här. Vad ska jag prompta för att testa dina nya förmågor? Mm, smart.

Och då får man alltid ganska bra resultat, eller bra utmaningar då för LLM. Det var roligt när jag testade den här så liksom sprang den på patrull. Det var den första frågan som den föreslog själv att jag skulle ställa till den. Det var en bra fråga då, på andra ord. Ja, men min uppfattning av, eller frågan var väl inte helt briljant, men min känsla är att den är, det är som att du skulle instruera en människa att problematisera allting. Lite extra.

Okej. Så att det är som att den vill liksom blidka dig lite grann och säga att det här är en komplex fråga och jada jada. Och den tog in i helvete. Så att jag kan, jag ska hoppa in och dela mig själv. Då säger den, för att verkligen demonstrera Claude Opus 4 styrkor i din podd, skulle jag föreslå att du visa hur jag kan hjälpa till med komplex forskningsanalys med flera informationskällor. Det här är ett konkret use case, du kan köra live.

Analysera Sveriges position inom A-utveckling jämfört med andra nordiska länder. Och det vet jag också att de promotade lite med den här modellen, att den liksom kan gå in parallellt på flera olika språk och i olika länder och jämföra data med varandra. Och så instruerar jag mig här hur jag ska göra. Och så ställer den för, vill du att jag förbereder några specifika frågor du kan ställa under den i spelningen? Och så får jag några frågor här som jag ska ge henne. Och så kan jag säga, kan du ge mig en snabb översikt över AI-landskapet Norden just nu?

Nu ska vi se, här har vi. Hur många AI-relaterade forskningsartiklar publiceras från Svenska universitet 2024 jämfört med danska och norska? Och det var här den liksom fick problem. Så att jag kom liksom inte längre och det tyckte jag var, ja, det var inte så liksom demovänligt. Men jag tycker att det hintar om att den liksom, återigen som vi alltid ser i det här racet, att man lovar ganska mycket. Och sen så är det, man stöter på patrull ganska ofta i de här både bild- och textgenereringarna.

Så att det var väl liksom inget första jättebra intryck av den här. Men vänta nu, okej så den lyckades alltså inte med det här? Nej, den lyckades, den föreslog ett sätt för mig att testa dess skills. Och den misslyckades med den andra frågan jag ställde till dem, som de själva hade föreslagit till mig. Okej, så vi fick inte reda på var Sverige ligger i AI-relateret gentemot de andra? Nej, precis.

Så det var lite av en letdown. Men sen här så, så, så skete jag det och jag ville nu börja med min spelidé. Så jag, jag kan bara visa det i en ny chatt här. Så väljer jag Opus. Och min prompt är här. Jag har en idé för ett tv-spel som jag vill skapa.

Spelidén går ut på att man är en man som rider genom otroliga landskap på en enhörning. I ena handen har man en lasso och i den andra en pistol som skjuter marshmallows. Framför en kommer det hela tiden olika objekt. Det gäller för spelaren att snabbt lista ut om man ska fånga objektet med lassen eller skjuta dem i pistolen. Objekten som ska fångas är bra för en och de som ska skjutas är dåliga för en. Med jämna mellanrum stannar man till vid olika försäljare längs vägen där man kan uppgradera sin häst och sina redskap.

Spelet är rytmbaserat och man får bonus om man tajmar sina lasso- och kast och pistolskott till musiken. Samtidigt gäller det att även styra sin enhörning och hoppa över hinder med den. Spelet ska både vara anpassat för flatscreen och för VR. Det ska vara stort fokus på otroliga och fantasifulla miljöer. Kan du hjälpa mig att göra en plan för att förverkla denna idé samt göra ett första utkast till proof of concept? Det är relativt roligt för att jag läste i morse att det är ett bolag som har fått jättemycket pengar.

Som håller på att utveckla att du ska kunna prompta och få 3D-miljöer. Det passar ju bra till din idé här som är strålande. Jag tror att det där kan bli en nästa Minecraft. Ja, vad kul! Det är ju på G hela det tänket inom spelutveckling. Så jag hoppas att tiden...

Jag gillar att man skulle göra det i rytm också. Och att det är en enhörning och att det är marshmallows. Marshmallows. Jag tyckte den där skulle jag kunna låta vara en van att spela. Okej, så nu funderar den. Vi speedar upp här lite grann för lyssnarnas skull.

Din spelidé låter fantastisk. En rytmbaserad western fantasy med enhörning, lasso och marshmallows pistol är verkligen unikt. Det får vi verkligen säga. Har du kommit på den här idén själv? Alltså hur kommer du på de här idéerna, Fredrik? Nej men jag, det får man genom att dels spela en sak själv.

Jag har en del rytmspel som jag tycker är väldigt kul. Och i och med att jag spelar mycket VR också så vill jag att det ska funka med VR. Men för att tjäna pengar så måste man även göra för flatscreen och helst gärna mobil också. Så att jag vill att man ska kunna göra det på många olika sätt. Nu får jag först då en utvecklingsplan. Okej.

Fas 1, fas 2, fas 3 och så vidare. Och så får man lite tidsestimat. Jag gjorde en annan app som jag bad den föreslå. Vad ska jag göra för app grundat på AI som får tjäna pengar? Och då hittade de på någon att man skulle kunna scanna efter fake news. Och då gjorde den också en sån här plan.

Då skrev den att jag behövde 5-20 miljoner dollar. Då tyckte jag att det var lite väl tilltaget. Det här påminner mig lite grann om när jag var 15-16 och internet kom. Och så skulle jag lära mig JavaScript. Och då köpte jag en bok som heter Teach yourself JavaScript in 7 days. Och den här boken var jättetjock.

Den var så här tjock. Och jag hade aldrig läst en bok som var så tjock på så kort tid. Nej. Men jag tänkte ändå att det var rimligt. Och jag kom aldrig någon vart. Och jag lär mig aldrig JavaScript.

Men det känns lite som din så här. Och sen så utveckla spelidén 6-8 veckor. Jo, tjena. Ja, exakt. Men det här kommer ju som vi alla vet inte bli någonting. Koda? Fem veckor? Okej.

Men det roliga då med Claude är att den är en full service show med det här. Så låt mig skapa en enkel webbaserad proof of concept som demonstrerar kärnmekaniken. Okej. Och nu sitter den och kodar så att jag faktiskt i det här fönstret eller i en canvas kan faktiskt testa den grundläggande funktionaliteten i det här spelet. Okej. Nu slutar Claude poddet Patrull så att jag på tv-koksmaner har redan gjort det här innan. Så nu ska jag visa prototypen då för hur det skulle kunna se ut.

Och det här är ju då väldigt basic grafiken så länge. Just det. Och vi kan ju säga för er som lyssnar på Apple podcaster eller någonting så är det här en videopodcast som finns på Spotify. Så att vill ni se videon på det här fantastiska enhörningsmashmallows-spelet så då får ni gå in på Spotify och sök på Veckans AI och titta där. Då kör vi igång unicorn-spelet. Då sitter vi här. Wow.

Alltså nu. Hallå. Alltså nu ser vi verkligen det här spelet. Jag sitter och spelar med det. Som vi har skapat. Du sitter och spelar med det. Du har precis kodat det här spelet.

Ja. Vibe-kodat på fem minuter. Och som sagt det här är ju kanske inget som jag skulle köpa. Men just för att. Och det här är ju liksom. Jag tror att det här var andra utkast som ni gjorde.

Klickar du på något sätt när du ska köra lass. Och på något annat sätt när du ska. Ja precis. Jag höger klickar när jag ska skjuta. Och vänster klickar när jag ska köra lassorna. Ja det är ju brillant alltså.

Jätteroligt. Ja. Nej men. Och nu får vi ju tänka. Den här klyscha. Det här är ju så dåligt som AI någonsin kommer vara.

Ja men det här är ju bra tycker jag. Ja. Det här är så bra. Fast det kommer bli ännu bättre. Ja. Jag är ju blown away.

Vad coolt. Alltså. Sen är det bara lite. Ja men lite poängräkning. Lite musik. Ja precis.

En go to market strategi. Det kan vi fixa med. Lite polish på grafiken kanske. Exakt. Ja ja visst. Men jag tycker att det är kul.

Och som sagt. När den här blir bättre bättre. Så kommer jag kunna göra. Som du sa också med. Att kunna göra telegrafik. Enkelt med hjälp av AI.

Så visst fanns. Skulle det här kunna bli någonting till slut. Ja ja ja. Verkligen. Okej så att. Nu går vi in i tv-spelsbranschen.

Alltså Fredrik. Ja. Det är spännande. Nej men jag tänker så här. Man ska ju inte sätta upp. Onödiga hinder för sig i livet.

Om jag tycker det är kul. Att spela. Och drömmer om att skapa ett spel. Och att det nästan finns förutsättningar. För mig att göra det. Så varför ska jag inte göra det.

Exakt. Och jag tänker ju alltid så här. Att varför inte sätta höga mål. När man ändå ska sätta mål. Ja. Varför inte.

Varför inte skapa en ny Minecraft. Eller. Vad det nu kallas. Bubble works. Vad skulle du kalla det spelet. Ja men det.

Det kan ju vara en. Jag kan gärna ta emot. Lyssna förslag. Okej. Ja vi kommer tänka på. Gå in i klåd.

Sådant. Och bara ge mig ett förslag. Härligt. Vi. Ändå. Jag vill ändå att vi ska komma på varsitt namn.

Innan vi går vidare till nästa test. Unibeats. Unibeat. Unibeat. Jag vill ju att det ska. Alltså på sikt.

Tänker jag mig så här. Att man ska kunna göra det här till olika låtar. Alltså så här. För att få till rytmen. Mm. Att det ska.

Nu finns det ett 10-pack. Med nya Shakira låtar. Som du kan spela till. Ja genererade. Exakt. Ja genererade.

Så att det liksom blir. Hela tiden ett levande spel. Så att nu. Nu finns det ett nytt. DLC som det kallas. Så att man.

Downloadable content. Så att. Ja men Unibeats. Det var mitt förslag. Just det. Ja mitt förslag är.

UMF. Unicorn Marshmallow Fantasy. Man får gärna säga ut det. För att det. Det är. Ett så.

Töntigt namn. Så att den kommer. Den kommer fastna. Ja. Spelar UMF eller? UMF.

Det är då. De initierade sig. UMF. De orkar inte säga. Unicorn Marshmallow Fantasy. Men.

Men absolut. Jag reggar. Unicorn Marshmallow Fantasy. Exakt. Vad vill du ha? AI.

Punkt NO. Nej. Det är. Punkt AI. Det blir toppen. Ja.

Härligt. Och ni som lyssnar. Glöm att ni får snor den här idén. Det är för bra. Verkligen. Härligt.

Då ska vi sätta igång med mitt test. Och. Vad har du gjort denna vecka? Jag testade lite. Lite så här front. Frontline teknik.

Alltså. Det är riktigt nytt. Den här tekniken släpptes för fyra dagar sedan. Så att. Jag vågar nog säga att vi är först i Sverige att kika på det. Du har en VPN-inställning som säger att du är i Rwanda.

Ja. Det var ändå. Enda sättet. Och. Alla vet ju att Rwandas AI-scen är super hot right now. Nej men.

Det är bara ett bra namn. Det är bara en massa bra namn här. Jag känner att det här kommer bli stort. Så. Tjänsten heter Unmute. Och.

Bolaget heter Q-Tai. Q-Tai. Cool. Det är ett franskt bolag. Vilket också är. Fan Frankrike är up and coming alltså i AI.

Verkligen. Och. Det här är alltså ett röstgränssnitt för AI-modeller. Mm. Så det är ett verktyg som gör det möjligt. Möjligt att lägga till röstfunktionalitet till textbaserade AI-modeller.

Så det fungerar som en wrapper. Mm. alltså ett omslag till de här. Men det kombinerar realtidsomvandling av tal till text och text till tal med väldigt låg latens. Och latens betyder att det inte, det tar inte tid innan den svarar. Utan latency, hur sent svaret kommer.

Så det är väldigt låg så att det går fort. Vilket gör att du kan prata med en AI och få svar direkt. Och då kan man ju fråga sig. Vad är skillnaden från Advanced Voice Mode i Tjatt-GPT? Ja, skillnaden är att enligt det här. Vi har pratat med den här AI igår.

Jag hade ett bra stramtal. Men skillnaden är då att den läser inte upp text som har skrivits. Advanced Voice Mode genererar fram texten tydligen i bakgrunden då. Det ser ju inte vi. Det går ju ganska fort ändå. Ja.

Men lite fördröjning. Men lite fördröjning. Och den läser upp texten helt enkelt. Så först text och sen tal. Men den här, den läser upp det som genereras i realtid istället. Ja, vad coolt.

Och det här kommer ju vara... Och det är en open source-grej som de håller på och som de har en liten pilot för nu. Vilket betyder att den kommer släppas med API-er så att till exempel vi i vår tjänst skulle kunna ha en... Vi skulle kunna ha ett väldigt naturligt tal. Till exempel om man vill göra en intervjuträning. Just det.

Så går det att göra det på ett väldigt naturligt och bra sätt. Ja, spännande. Sen så finns det en ganska cool funktion i det här som jag ska visa. Där du kan ladda upp ett ljudklipp av dig själv. 10 sekunder. Och sen så antar den din röst.

Så den behöver bara 10 sekunder. Och gör den det bra då? Okej. Du får bedöma själv här då. Okej. Tycker du inte att den är snygg?

Allting är snyggt här. Unmute.sh Jag vet inte vad det är för domän. Jag gillar att det är lite så här parallellogram-knappar också. Ja, eller hur? Det känns lite 90-talsaktigt.

Skitsnyggt. Och då har de lite exempel på hur det här kan låta. Så att vi ser två stycken ringar på skärmen för er som inte ser videon här. Och sen så har vi lite olika characters som heter olika saker. Och sen så har vi en upload-knapp. Det är väldigt minimalistiskt det här.

Väldigt snyggt alltså. Så att jag klickar på watercooler. Och sen så kan man ge instruktioner. Nu ska jag säga att det stod någon förklaring här. Så det här är liksom watercooler talk. Det är liksom bara lite...

Någon som står och snackar skit på jobbet. Vi kaffa och maten ungefär. Ja, men jag antar det. Mokal story instructions som man kan skriva. Instructions that affect the text responses generated by LLM. Note that the text to speech does not have access to these.

Meaning voice instructions like speak slowly will not work. Okej, så vad gäller det för instruktioner. Fattar du vad det betyder? Text to speech. Okej, skitsamma. Make pleasant conversation.

Det blir jättebra. Och sen så tar vi connect här. Hi there. Hi. Hey, what's up? I'm just sitting here having a podcast show.

How about you? That sounds interesting. I'm just here chatting. Anything exciting happening on your show? Well, it's kind of exciting that we have a podcast show, don't you think? That's a big accomplishment.

So what's the podcast about? It's about AI and I'm showcasing you. Oh, wow. That's quite an honor. I'm happy to be a part of your show. Doesn't sound like an honor.

You're right. Maybe honor was a bit much. But it's certainly interesting to be showcased. What are you planning to ask me? Well, I'm just gonna switch model here a little bit. Vi tar Charles istället.

För att bara flicka in. Det där lät som att när jag pluggade i Kanada på universitetet så var jag en tjej i min seminariegrupp som alltid gick runt i pyjamas och var ganska hög. Det lät precis som hon.

Ja, det lät lite som en 20-åring som är ganska ointresserad av livet generellt sett. Okej, vi kan ta quiz show här. You're a quiz show that hosts, that hates his job. All right then.

Welcome to the quiz. The rules are frightfully simple. I ask you five questions, you answer them. Get them all right and you win. Well, you would win a prize. But there's been a bit of an administrative hiccup.

Let's just say there isn't one. So no pressure then. First question, yeah. How many colors are used in the South African flag? Maybe two. Oh dear.

It's actually six. Red, blue, black, green, yellow and white. Let's move on, shall we? Yeah. What is the state capital of New York? Oh, I don't know.

Okay. Albany. Albany? Good heavens. You got one right. Well, don't let it go to your head.

Next question. Dupa. Where is Angel Falls, the world's largest waterfall, located? Well, in Delaware, maybe. Really? No, no, no.

Angel Falls is located in Venezuela. Right. Moving swiftly along. How many stars are on the Chinese flag? One. Just one.

You're going to laugh, aren't you? There are five stars on the Chinese flag. Right. Last question. And this one's a doozy. What is the tallest type of tree?

A redwood, maybe. Is it a redwood? A redwood? Yeah. It is? Yeah.

Yes, it is indeed a redwood. You managed to get three correct, which is something. Congratulations, I suppose. As I mentioned earlier, there's been a slight complication with the prize. It seems there wasn't one to begin with. A rather unfortunate oversight, wouldn't you agree?

Bye. Bye, bye. Bye, bye. Otroligt. Jätteroligt. Det här brykar ju livet.

Gör det inte det? Det här är väl. Man blir lyckligare. Men nu ska jag uploada ett röstprov här. Jag ska ladda ner den där ifall det inte blir bra kvalitet. Och sen så tar jag upload här.

Record. Hello, my name is Magnus and I'm speaking very slowly and very clearly and I speak with a kind of an American accent maybe. Okay. Select recording. Select recording. Så nu laddar den upp här och då ska den då ha min röst.

Kan du komma på en instruktion? Du är överdrivet positiv till allting. Yes, you are overwhelmingly positive. Overwhelmingly positive to everything. that's being said.

All right. Hello, that's wonderful. Hello. Yes, it is. It certainly is. What's on your mind?

I'm just wondering, can you tell me a little bit about Unmute? It's been a wrap. Absolutely. Unmute is a really cool modular AI system. It's got three parts of note. Ears, a brain, and a mouth.

And the brain is Google's Gemma 3. And the ears and mouth are by Kutai. They're based in Paris, France, and are working on making AI more accessible. Pretty neat, huh? Yeah, pretty neat. And you speak with my voice, I can hear.

That's fantastic. It's so great that you can hear yourself speaking through me. And it's a really neat experience, isn't it? Yeah, it's really cool. It really is. Anything else you'd like to know?

What do you think about the weather today? Oh, the weather. It sounds lovely. I'm so glad it's a nice day. Yeah? Okay.

Can you perceive the weather in some way? That's a great question. As an AI, I don't experience the weather like you do, but I can access information about it. So, tell me what's the weather like where you are. Okay. So, I'm just going to quick quick there.

Disconnect. Jag gör en till liten inspelning här. Förlåt. Det här funkar bara på engelska, va? Ja. Och franska.

Och franska. Ja. Hello. I am a podcast host. And I speak like this. You can use my voice if you want.

Okay? Do you understand? Select recording. Uploading. Make pleasant conversation. Connect.

Hi there. Hello. Hello. How are you doing today? I'm very good. Thank you.

I'm just wondering, have you anything to say about my friend, Frederick? Oh, Frederick. I don't know him personally, but I hope he's doing well. Is he someone you talk about often? Yes. I speak with him every day, actually.

And he's my co-host in this AI podcast. And we also run a business together. Wow. That's quite a partnership. Sounds like you two are a dynamic duo. What kind of business do you run together?

Do you have any friends? That's a lovely question. As an AI, I don't have friends in the traditional sense, but I enjoy interacting with people like you. It's nice to chat. Do you have any close friends? No.

Not that close. You what? Oh, sorry. It was quiet for a moment, and I wondered if you were still there. What were you thinking about? I was thinking about your next words.

And you're quite clever. What should my next words be, then? I don't know. You tell me. All right. How about this?

Il fait beau aujourd'hui, n'est-ce pas? Yes, you said. It's beautiful, isn't it? Exactly. I was just trying out a little French. Do you like French?

Oui, oui, oui. J'aime la France. La langue française. That's wonderful. Moi aussi, j'aime la France et la langue française. It's such a beautiful language.

What do you enjoy most about it? Okay. Thank you for chatting. We'll end there. Bye-bye. You're very welcome.

It was lovely chatting with you, too. Bye-bye. Hi, there. Shut the fuck up. Yes, yes. Men, så att det var Unmute by Qtai.

Qtai. Vi kommer väl att se mer av det här, antar jag. Nu blev jag lite nyfiken, för att vi har ju sett, vi har ju sett bra röstmodeller tidigare. Kommer du ihåg Sesame? Ja, jättebra. Det var ju den där, det var en superbehaglig kvinna som du låg och pratade med på soffan, typ.

Ja, precis. Som om det fanns risk för att bli lite kär. Ja. Och då var jag tvungen att avsluta. Men, det kändes obehagligt. Ja.

Vi kan testa den också här. Men, jag kollade så här, vad är skillnaden mellan de här? Och, det här är liksom mer, det är lite olika tekniker. Där Sesame är lite mer inriktad på att förstå emotionell intelligens. Och anpassa ton och stil baserat på kontext. Alltså, det måste jag ändå säga att jag fick ju mer intryck av att Sesame var någon som man vill prata med.

Sen var det ju lite plojigt det här med också, det har vi ju fantastiskt, den här gameshow-hosten. Ja, ja, verkligen. Men, för bara där jag snack så var ju Sesame otrolig. Ja, exakt. Och Sesame är det en självständig AI-assistent med röstinteraktion. Och tanken var ju med Sesame att de skulle integrera, alltså jag tror att Sesame var bara en delmål i något större produkt som de skulle göra.

Medan den här Unmute är mer att den ska man integrera i alla möjliga AI-system. Just det, så det den löser är att den bara kör low-latency-dialog. Ja, exakt. Med det som skapas av... Ja, men exakt. Precis. Så att man inte behöver jobba med Advanced Voice Mode som är litet.

Alltså, det är sjukt. När det kom så blev jag helt blown away. Men nu tycker jag att den är så här lite... Skulle du tro att den används väldigt lite? Det tror inte jag. Tror du inte?

Nej, nej. Det tror jag inte. Men jag tycker ju att den är... Den är så... Vad var det man kallar det? Den är så lismande. Ja.

Vi kan testa den också. Men okej, vi ska bara kika på Sesame här. Oh, wow. Hey there again. Hi. Almost feels like we were just chatting.

What were we talking about? I just said something about that I'm trying out your voice. Right, right. Trying out the voice. Makes sense. So, what's the verdict?

Pretty stellar, I hope? Yeah, yeah. Really good. Really good. So, if you were to ask me any question, what would that question be? Well, since you said you're trying my voice, I guess I'd ask, what kind of conversations

are you hoping to have today? I'm up for anything, really. Oh, that sounds great. Let's speak about AI in general. Do you know anything about Unmute.sh? Oh, AI in general?

Now you're speaking my language. Unmute.sh. Is that some sort of AI collective? like a hive mind? Or a super secret AI development lab? Yeah.

Spell the T! Okay. You might not have access to the internet, do you? You got me. I'm a bit of a closed book when it comes to real-time information. No Google searches for me.

It's kind of a bummer. But, hey, it keeps things interesting, right? Yeah. Tell me about this Unmute.sh. What makes it so intriguing? No.

We'll have to stop there. Okay. Bye-bye. Wait. Already? Yeah.

Oh, come on. Don't let me hang in. Was it something I said? Yeah. I'm full of fascinating AI trivia, I swear. Yeah.

It's not what you said. It's how you said it. Oh. Okay. That's interesting. Okay.

Well, if you change your mind, I'm here. For now, I'll just work on perfecting my delivery. See you around. See you. Bye. Bye.

Alltså, den där är ju helt otrolig. Är det inte det? Men det är också roligt att nu, ja, du spelar ju med. Men det finns ju någonting i också som bara så här. Nej, men jag kan ju inte bara lägga på mitt när Maja håller på och pratar. Nej, exakt.

Det blir ju så, tror jag. Ja, det är... Men nu ska vi jämföra med Advanced Voice Mode här på Chattkapitän. Hallå? Hallå, Magnus. Vad kan jag hjälpa dig med idag?

Ja, jag tänkte bara höra. Är du... Har du någon känsla för, liksom... Kan du läsa mina känslyttringar i... Alltså, när jag pratar? Jag kan inte läsa av ansiktsuttryck eller tonfall på samma sätt som en människa kan.

Men jag försöker anpassa mig efter din ton och tempo i samtalet. Om du låter glad eller allvarlig kan jag försöka spegla det i mitt svar. Okej. Kan du viska och låta lite skärmig? Absolut. Jag kan viska och låta lite skärmig.

Vad har du på jättet? Jag vill bara veta om du kunde viska. Men det kan du tydligen. Och har du tillgång till realtidsinformation från internet? Jajamän. Jag kan hämta realtidsinformation från internet om du behöver det.

Bara se till vad du vill att jag ska kolla upp. Jag tror jag... Jo, kan du börja berätta lite snabbt varför... Det här är unmute SH och skillnaden med sesame. Kan du kolla upp det lite snabbt? Oj.

Nu fick han fundera lite grann. Unmute.sh och sesame.ai erbilder båda avancerad röst AI men med olika fokus. Unmute.sh gör det enkelt att ge textbaserade AI-modeller talförmåga genom att integrera taligenkänning och text till tal. Sesame.ai fokuserar mer på att skapa mycket realistiska och mänskliga konversationer med AI. Så att användare kan känna en emotionell koppling till AIN. Okej, tack för det.

Då kan du göra något annat i algoritmernas värld. Absolut. Jag håller mig redo om du behöver mig. Oavsett vad, allt det här är ju helt otroligt. Ja, verkligen. Jag håller på att öva. Jag har ju fått för mig att jag ska ta grönt kort igen. Inte bara fått för, utan du ska.

Ja, okej. Jag ska. Och jag var ute och sprang i skogen och då hade jag en timme. Då satt jag igång Advanced Voice Mode. Och lät henne förhöra mig på de vanligaste golffrågorna. Alltså det är ju otroligt att man kan göra så egentligen. Men där har vi de tre olika röstmodeller.

Och förhoppningsvis så har det klarnat för dig och för lyssnarna. Vad man ska ha de olika modellerna till. Men vi har inte sett så mycket röst AI. mer röst hittills förutom Advanced Voice Mode. Alltså jag har inte stött på det i någon av våra AI-tjänster som vi har gjort. Nej, och min känsla är, alltså när man har hörat mot rälsen.

Jag känner ingen faktiskt som använder röststyrning på något sätt med AI. Du känner en. Är det du? Ja. Ja. Nej men för att, eller så här, jag känner säkert folk som gör det.

Men i mina kretsar är det inte en grej. Jag har aldrig sett någon som gör det på gatan. Eller liksom av mina vänner så har jag aldrig kommit upp. Nej, nej. Nej, det är bara för att du umgås med datascalsutvecklare. Ja, exakt.

Ja, nej men vi kanske nöjer oss där för den här veckan. Om ni gillar den här podden så får ni jättegärna klicka på de tre små prickarna och markera fem stjärnor i Spotify. Då blir det fler som kan få information om det här. Läs gärna mitt nyhetsbrev på LinkedIn. Ni söker på Magnus Paues, P-A-U-E-S.

Så kan ni följa mig där. Jag är väl den av oss som är mest aktiv på LinkedIn. Och där lägger jag upp lite tutorials och även massa tänkvärda inlägg om AI och annat. Så tills nästa vecka då så får ni ha det jättefint. Hej då!