OpenAI发布一项重大更新，宣布面向其所有付费订阅ChatGPT Plus和Team计划的用户开放高级人工智能（AI）语音助手功能——“高级语音模式”（Advanced Voice Mode，AVM），将可以通过说话而不是输入提示的方式来使用聊天机器人。据了解，Plus用户每月需支付20美元，Team用户每月支付30美元并拥有更多的使用次数。OpenAI将逐步向用户推出访问权限，并从下周开始面向企业和教育推出，所有Plus用户将在秋末之前获得访问权限。
本文引用地址：
OpenAI曾在今年5月份发布GPT-4o时对外展示过该实时语音技术，据演示视频内容，该能力目前也主要体现于GPT-4o模型上。自首次公开亮相以来，ChatGPT的高级语音模式便受到了高度关注。经过数月的研发与测试，OpenAI决定将此功能开放给所有付费用户，此举有望进一步增强OpenAI在人工智能领域的竞争力与影响力。
在此次更新中，语音模式的设计从外观上得到了改进。现在，语音功能由一个蓝色的动画球体代表，取代了此前OpenAI在5月展示时使用的黑色动态点。当用户在应用中获得高级语音权限后，会在语音图标旁看到一个弹出提示，方便用户快速启用。
AVM提高了部分外语的对话速度、流畅度并改进口音。此外，AVM还新增了两大功能：为语音助手存储“自定义指令”，以及记住用户希望语音助手表现何种行为的“记忆”的功能（这类似于今年4月OpenAI为ChatGPT文本版本推出的记忆功能）。也就是说，ChatGPT用户可以利用自定义指令和“记忆”来确保语音模式是个性化的，AVM会根据他们对所有对话的偏好做出响应。
为了提升用户体验，ChatGPT新增了五种全新的语音风格供用户选择：Arbor、Maple、Sol、Spruce和Vale，使得语音总数达到九种。此前的语音包括Breeze、Juniper、Cove和Ember，旨在提供多样化的语气和特征。
OpenAI表示，这些声音是使用来自世界各地的专业配音演员制作的。值得注意的是，此次更新中没有包含名为Sky的语音 ——OpenAI在春季更新中展示了Sky的语音，但由于被指与女演员斯嘉丽·约翰逊高度相似，引发了法律纠纷。尽管OpenAI表示并非有意模仿约翰逊的声音，但为了避免争议，仍选择了移除。
OpenAI的模型设计师Drew也分享了他的使用体验：“当我在忙其他事情或不需要与ChatGPT交谈时，它会保持安静。当我有问题时，可以直接提出展开深入的对话。”在此过程中，ChatGPT的声音会根据谈话的语气进行调整。他表示，ChatGPT就像是坐在身旁的朋友，不仅提供信息，还能进行思想交流。德鲁认为在日常使用中，用户可以使用高级语音模式来创造面试、讲故事等场景，而且无需担心延迟问题。他强调：“这种延迟非常低，就像和另一个人交谈一样。”
ChatGPT高级语音模式现已支持50多种语言，拓展了用户的沟通范围。需要注意的是，该高级语音模式目前还没有向欧盟、英国、瑞士、冰岛、挪威和列支敦士登等地区开放使用。OpenAI尚未公布这些地区的开放时间。
除了上新高级语音模式，近日OpenAI还发布了一个多语言大规模多任务语言理解 （Multilingual Massive Multitask Language Understanding，MMMLU）数据集，测试集提供了14种语言，包括阿拉伯语、德语、西班牙语等，涵盖57个不同类别的主题，包括初级知识、法律、物理、历史和计算机科学等高级专业学科。
“掌”握科技鲜闻 （微信搜索techsina或扫描左侧二维码关注）
