OpenAI進階語音模式重磅來襲：GPT-4o革新語音交互體驗

火報記者 陳銳/報導

今年5月，OpenAI原本計劃為其新一代語言模型GPT-4o引入一個嶄新的語音互動功能。然而，由於考慮到潛在的安全風險，以及著名影星Scarlett Johansson的投訴，這一功能的發布不得不暫時擱置。隨著技術進一步完善，OpenAI最近宣布，已經開始向部分ChatGPT Plus用戶逐步開放這一進階語音模式，讓這些用戶能夠搶先體驗與GPT-4o進行語音對話的全新方式。

目前，這一進階語音模式仍處於alpha測試階段，並且不包括影片和螢幕共享的功能。參與測試的用戶將會收到來自OpenAI的通知郵件，並在ChatGPT應用程式中獲得詳細的使用說明。與現有的ChatGPT語音功能相比，這一進階模式在許多方面都進行了顯著的改進和強化。

首先，這一模式能夠精確感知語音中的情緒語調，帶來更加真實的交互體驗。其次，進階語音模式的對話流暢度得到了顯著提高，使用戶可以享受更加自然且即時的語音交流。此外，這一模式還能在不依賴其他輔助模型的情況下，獨立完成語音任務，極大地降低了對話的延遲問題。

在過去的一段時間裡，OpenAI與來自全球的100多名外部測試者合作，對GPT-4o的語音能力進行了嚴格測試，涵蓋了多達45種語言。然而，在5月的展示中，一款名為「Sky」的語音模型，由於其聲音與Scarlett Johansson在Marvel電影中飾演的黑寡婦角色極為相似，遭到了這位演員的指控，認為其聲音被未經授權使用。這一爭議最終導致「Sky」語音模型在本次進階語音模式的推出中被排除。

為了滿足用戶多樣化的需求，ChatGPT進階語音模式還提供了四種預設聲音，分別為Juniper、Breeze、Cove和Ember。這些聲音的設計均經過精心調試，以確保其能夠提供高度自然的對話體驗。

OpenAI的進階語音模式標誌著語音交互技術的重大進步。隨著這一功能的逐步推廣，未來或將改變用戶與AI互動的方式，為數字助理技術帶來新的可能性。

這篇文章 OpenAI進階語音模式重磅來襲：GPT-4o革新語音交互體驗 最早出現於 火報。