當(dāng)?shù)貢r(shí)間周二（7月30日），美國人工智能（AI）研究公司OpenAI宣布，即日起開始向部分ChatGPT Plus用戶推出GPT-4o的語音模式。
據(jù)OpenAI介紹，高級語音模式能提供更自然的實(shí)時(shí)對話，允許用戶隨時(shí)打斷，并能感知和響應(yīng)用戶的情緒。實(shí)時(shí)響應(yīng)和可打斷對話是目前語音助手公認(rèn)的技術(shù)難點(diǎn)。
OpenAI在今年5月推出了新版本大模型GPT-4o，同時(shí)還展示出了語音模式。該公司原定于6月底開始逐步向用戶開放語音模式，但最終決定推遲至7月發(fā)布。語音模式將于今年秋季向所有ChatGPT Plus用戶開放。
OpenAI周二表示：“通過逐步推出，我們可以密切監(jiān)控使用情況，并根據(jù)實(shí)際反饋不斷改進(jìn)模型的能力和安全性。”該公司還透露，它仍在開發(fā)5月發(fā)布會期間展示的視頻和屏幕共享功能。這些功能尚未確定推出時(shí)間。
因此，語音模式初期的功能將比較有限。例如，ChatGPT將無法使用計(jì)算機(jī)視覺功能，該功能可讓聊天機(jī)器人通過智能手機(jī)的攝像頭對用戶的舞蹈動作提供語音反饋。
目前GPT-4o語音模式可使用四種預(yù)設(shè)聲音，Juniper、Breeze、Cove和Ember，這些聲音是與付費(fèi)配音演員合作制作的。
此前，ChatGPT一款名為Sky的女性配音被指與好萊塢明星斯嘉麗·約翰遜十分相似。在收到約翰遜團(tuán)隊(duì)的律師函后，OpenAI暫停使用Sky語音。
OpenAI還表示，它已引入了新的過濾器，以確保軟件能夠發(fā)現(xiàn)并拒絕某些生成音樂或其他形式的受版權(quán)保護(hù)的音頻的請求。對于AI公司而言，避免陷入法律糾紛已成為格外需要警惕的事項(xiàng)。
