OpenAI推出ChatGPT高級語音模式，新增5種風格聲線和2大功能。

智東西9月25日消息，OpenAI今日宣佈本週內將向所有ChatGPT Plus和Team用戶開放高級語音模式。

除了已經可用的4種風格的聲線之外，ChatGPT的高級語音模式中還新增了5種不同風格的聲線。它還會說包括普通話在內的50多種語言。此外，高級語音模式還新增了自定義指令功能和記憶功能。

高級語音模式將會在美國先開放使用。而在歐盟、英國、瑞士、冰島、挪威和列支敦士登的用戶還暫時不可用。

以上這些更新僅適用於GPT-4o模型，而不適用於最近發佈的o1。

一、新增5種風格聲線、2大功能，會說超過50種語言

根據OpenAI的說法，所有訂閱了ChatGPT的Plus和Team計劃的付費用戶都將在本週內獲得ChatGPT高級語音模式的使用權限。下週，OpenAI計劃將ChatGPT高級語音模式擴展到Edu和Enterprise計劃的訂閱用戶。

高級語音模式將會在美國先開放使用。而在歐盟、英國、瑞士、冰島、挪威和列支敦士登的用戶還暫時不可用。

除了已經可用的4種風格的聲線（活躍真誠的Breeze、開放積極的Juniper、沉着直率的Cove和自信樂觀的Ember）之外，ChatGPT的高級語音模式中還新增了5種不同風格的聲線（隨和且多才多藝的Arbor、開朗率真的Maple、聰慧隨性的Sol、冷靜堅定的Spruce和聰明好學的Vale）。

此外，OpenAI爲ChatGPT的高級語音模式新增了自定義指令功能和記憶功能。這些功能的增加，使得語音模式的交互體驗更加豐富和個性化。

新增的自定義指令功能允許用戶根據自己的需求定製ChatGPT的回覆方式，包括但不限於設定對話的正式程度、回覆的長度、稱呼方式，以及是否持有觀點或保持中立。用戶可以通過這個功能告訴ChatGPT更多關於自己的信息，比如職業背景、興趣愛好等，以便ChatGPT能夠提供更加個性化和貼合用戶需求的回答。

而記憶功能則是指ChatGPT能夠記住用戶在不同對話中提供的信息，從而在後續的交流中提供更加相關和個性化的回答。例如，如果用戶告訴ChatGPT他們有某些飲食限制，記憶功能將使得ChatGPT在未來涉及到菜譜建議之類的對話中考慮到這些限制，並提供相應的建議或信息。

而且，ChatGPT高級語音模式還會說包括普通話在內的50多種語言。OpenAI在社交平臺X上發佈的帖子中附帶了一段視頻。視頻中，用戶向語音助手提出指令：由於讓奶奶久等了，我需要向奶奶致歉。語音助手先用英語提出建議，並在用戶反饋“奶奶只會說普通話”後，又用中文普通話表達了一遍。

//oss.zhidx.com/uploads/2024/09/66f3c2295e695_66f3c229593da_66f3c2295939f_20240925_155459.mp4

二、延遲發佈的背後原因：AI語音功能引爭議，需進行充分測試確保安全性

OpenAI將語音功能添加到ChatGPT的嘗試很早就引發了爭議。

在5月份宣佈GPT-4o和高級語音模式的時候，人們注意到其中一個聲線Sky與女演員Scarlett Johanssen的聲音極爲相似。而且，OpenAI的首席執行官Sam Altman在社交媒體上發佈過“her”一詞，可能暗指了電影《Her》，而Johansson正是該電影中AI語音助手的配音演員。

這引發了人們對於AI開發商在創建語音助手時模仿知名人士聲音的擔憂。後來，OpenAI否認了Sky與Johansson的關聯，並立即下架了Sky。

此次宣佈高級語音模式將正式開放的同時，OpenAI還強調了用戶只能選擇OpenAI提供的9種聲線。並且，他們在發佈前已對其安全性進行了評估，以避免語音模式被用於欺詐等不當行爲。

“我們與公司外部的紅隊測試人員一起測試了模型的語音功能。這些測試人員總共會說45種不同的語言，代表着29個不同的地理區域，”OpenAI在發佈會上對記者說。

由於需要進行安全測試，ChatGPT高級語音模式的推出從最初計劃的6月底推遲到了7月底或8月初，並且最初只向OpenAI選定的用戶羣體推出。

而現在，OpenAI將向所有付費用戶正式開放ChatGPT高級語音模式的舉措，說明它已經做好了充足的準備。這也符合OpenAI近來謹慎的作風。

結語：AI語音賽道正在越來越卷

自從蘋果Siri和亞馬遜Alexa之類的AI語音助手興起以來，AI開發商們一直希望讓用戶與生成式AI的對話體驗更加貼近人類交流。

比如，由前谷歌Deepmind成員Alan Cowen創辦的初創公司Hume AI，於9月11日發佈了其第二代情感智能AI。它能夠通過分析用戶的語音，如口音、語氣、語調、擬聲詞、節奏和停頓等，來理解用戶的情緒和心理狀態，並做出實時響應。

法國AI公司Kyutai於7月6日發佈了Moshi。它能夠理解和表達情感，模擬70種不同的情緒和風格進行交流。

谷歌於8月14日正式發佈了智能語音助手Gemini Live。

據路透社昨日報道，Meta也在開發模擬知名演員聲音的語音助理，並計劃在明天凌晨開始的Meta Connect 2024大會上宣佈這一功能。

來源:xcp.njhengyun.Net來源:lnq.yingcan.Net來源:yro.caobenzhenshui.Net來源:bky.9jitrade.Net來源:ejj.dgcazxyey.Net來源:lmf.sdhuayi.Net來源:vud.fuyuanju.Net來源:wcn.haoleju.Net來源:dzz.huaduhu.Net來源:sdh.zhaolongshihua.Net來源:qwa.cdmtalk.Net來源:fxq.ntisland.Net來源:lvu.silverlightcn.Net來源:xsb.hn-house.Net來源:cch.dalianbaidu.Net