OpenAI 剛剛宣布了一個令人興奮的新功能——高級語音模式（AVM），這標(biāo)志著人工智能在語音交互領(lǐng)域的又一次進(jìn)步。AVM 利用 GPT-4o 的原生音頻技術(shù)，為用戶提供更加自然和實時的對話體驗。

周二，OpenAI 宣布向更多 ChatGPT 付費用戶推出“高級語音模式”（Advanced Voice Mode，簡稱 AVM ）。

目前，OpenAI 提供了兩種類型的語音對話 —— 標(biāo)準(zhǔn)語音和高級語音：

1）高級語音：目前正在向 Plus 和 Team 用戶逐步推出。該功能使用 GPT-4o 的原生音頻技術(shù)，能夠?qū)崿F(xiàn)更加自然的實時對話，并捕捉非語言線索（例如語速），還能作出情感化的回應(yīng)。

Plus 和 Team 用戶每天對高級語音的使用量有限制，包括語音輸入和輸出。企業(yè)版和教育版的用戶將在下周開始獲得該功能。

2）標(biāo)準(zhǔn)語音：適用于所有登錄 ChatGPT的用戶，并可以通過 iOS、macOS 和Android 應(yīng)用使用。

標(biāo)準(zhǔn)語音通過多種模型生成響應(yīng)，包括將語音轉(zhuǎn)錄為文本，再傳遞給模型進(jìn)行回答。

盡管標(biāo)準(zhǔn)語音不像高級語音那樣具備原生多模式功能，但它仍然使用 GPT-4o 和 GPT-4o mini。需要注意的是，標(biāo)準(zhǔn)語音中的每一次提示都會計入消息限制。

要開始語音對話，需要選擇屏幕右下角的“語音”圖標(biāo)：

當(dāng)開始高級語音對話時，用戶將被帶到一個屏幕，屏幕中心有一個藍(lán)色球體：

AVM 將在一周內(nèi)逐步向所有 Plus 和 Team 用戶推送。在等待期間，OpenAI 還增加了“自定義指令”、記憶功能、五種新語音和改進(jìn)的口音支持，還可以用超過 50 種語言說“抱歉，我遲到了”。

此外，ChatGPT 還新增了五種可供用戶體驗的語音：Arbor、Maple、Sol、 Spruce 和 Vale，加上之前的 Breeze、Juniper、Cove 和 Ember，ChatGPT 語音總數(shù)達(dá)到了九種，幾乎趕上了谷歌 Gemini Live 的數(shù)量。

1. Arbor – 隨和且多功能
2. Breeze – 生動活潑
3. Cove – 沉著且直接
4. Ember——自信而樂觀
5. Juniper – 開放而樂觀
6. Maple——開朗、坦誠
7. Sol – 精明且放松
8. Spruce——冷靜而肯定
9. Vale——聰明且好奇

OpenAI 表示，自從 AVM 的有限 alpha 測試發(fā)布以來，已經(jīng)進(jìn)行了多項改進(jìn)。據(jù)稱ChatGPT的語音功能現(xiàn)在對口音的理解能力更強，且對話更加順暢和迅速。

OpenAI 還將 ChatGPT 部分定制功能擴展到了 AVM，包括“自定義指令”，允許用戶個性化 ChatGPT 的響應(yīng)方式，以及“記憶功能”，讓 ChatGPT 能夠記住之前的對話以供以后參考。