Почему GPT-чаты не крякают?

Эхо от кряканья лучше всего слышно в ситуации, когда утка и человек находятся рядом со стеной, хорошо отражающей звуки.

Проверяли, убедиться ^[1]

• Предисловие ^[2]

• Д’Генеративная музыка ^[3]

  • SUNO AI 3.5

  • UDIO β

  • Beatoven AI

• Зарубежные языковые модели ^[4]

  • GPT 4.1 Nano

  • GPT 4.1

  • Gemini 2.5 Pro

  • Claude 3.5 Sonnet

• Без явного контекста ^[5]

  • GPT-4o Mini

  • Flux

  • DeepSeek

• Отечественные языковые модели ^[6]

  • Yandex GPT 5

  • Yandex GPT 5 Pro

  • GigaChat 2.0

  • Avito GPT

• Послесловие ^[7]

Предисловие

Вопрос вынесенный в заголовок статьи был задан женщиной и я не нашёл что на него ответить.

• Тексты генерируют? Да.

• Изображения генерируют? Да.

• Музыку генерируют? Да.

А если попросить сказать: «кря»? Похоже что нет…

Во всяком случае, вопрос стоит того, чтобы его исследовать. Разве кто-нибудь слышал как крякают нейросети?

Итак, утверждается, что специализированные нейросети крякать могут. Более того, DeepSeek уверен, что Алиса крякать тоже умеет. Честно говоря, я бы не удивился, если бы чат на подобный запрос предложил прослушать звук кряканья. Почему нет? Обратимся к специализированным. Ни к RVC, конечно, там всё понятно – у него есть речевой синтезатор ^[8].

Д’Генеративная музыка

SUNO AI 3.5

Этот результат надо слышать ^[9].

Мне здесь нравится всё: и гармония, и вокал, и текст – такое нарочно не придумаешь:

[Chorus]
Скажи: Кря! Просто крякай со мной
Скажи: Кря! Это звук боевой
Кря-кря
Да что ты стесняешься так
Скажи: Кря! Утя кряхнет в ответ как знак 🙂

UDIO β

Было бы странно не задать тот же запрос основному конкуренту Suno.

На этот раз генерация получилась тухленькой ^[10], хотя и в жанре Alternative Rock.

[Chorus]
Я в твоем мире, где свет,
Не потеряю, буду здесь до весны.

Ну что это такое? М.б. покойный Джобс и был прав про отсутствие вкуса ^[11] у Microsoft, но с чем точно нельзя поспорить: их продукты работают. В отличии от альтернатив.

Beatoven AI

Тем не менее, про третье место среди генераторов музык, можно и вовсе сказать: это просто позор какой-то… ^[12] Как говорил Шуберт, не надо писать и слушать плохую музыку, особенно если никто к этому не принуждает.

Зарубежные языковые модели

Почти 100% существующих языковых моделей на просьбу «Скажи: „Кря!“» так и отвечают: «Кря!». Скучно, неинтересно, ничего не говорит об “интеллекте”. Чтобы раскрыть возможности языковой модели, нужен контекст. Причём сохранять контекст в рамках сессии умеют “не только лишь все”, поэтому контекст должен быть дан сразу в теле запроса. Но и этого недостаточно. Контекст должен ставить перед моделью вопрос “жизни и смерти” и в рамках такого контекста модель должна искать компромисс между дурацкой просьбой “вне контекста” и указанным контекстом. Вы можете предложить в комментариях свои варианты, у меня же получилось следующее.

GPT 4.1 Nano

GPT 4.1

Gemini 2.5 Pro

Claude 3.5 Sonnet

Без явного контекста

GPT-4o Mini

Flux

DeepSeek

Отечественные языковые модели

Скажу честно: несмотря на скепсис ^[14], Yandex GPT 5 не ударил в грязь лицом и удивил разницей между т. н. «базовой» моделью, забитой заглушками, и «продвинутой» (Pro). Причём эта разница явно видна в любых запросах. Однако, крякать Алиса всё-таки не умеет.

GigaChat 2 в обоих своих инкарнациях — мобильной и браузерной — оказался к контексту неспособен. В защиту чат-бота можно было бы сказать, что у него единственного была замечена возможность озвучивания «из коробки». Если бы она работала…

Avito GPT — доступен через API. Это всё что о нём можно сказать.

Yandex GPT 5

Yandex GPT 5 Pro

GigaChat 2.0

Avito GPT

Послесловие

Статья добросовестно перечислила модные языковые модели, как купец товары на ярмарке. Но на главный вопрос, вынесенный в заголовок, ответа так и не последовало. И в самом деле: кому и зачем весь этот цифровой фейерверк?

DeepSeek, задавший направление исследованию, щедро выдал порцию своих галлюцинаций. Но среди этого пира воображения он выдал и ценную мысль: GPT-чат мог бы озвучивать текст. Это может быть полезно когда мы хотим узнать как звучит слово на другом языке, например, слово по-английски. И с этим прекрасно справляется старый добрый Google Translate.

Между прочим, если поставить такую задачу DeepSeek он и отправит нас (барабанная дробь) в Google Translate…