OpenAI 剛剛宣布了一個令人興奮的新功能——進階語音模式（AVM），這标志着人工智能在語音互動領域的又一次進步。AVM 利用 GPT-4o 的原生音頻技術，為使用者提供更加自然和實時的對話體驗。
周二，OpenAI 宣布向更多 ChatGPT 付費使用者推出“進階語音模式”（Advanced Voice Mode，簡稱 AVM ）。
目前，OpenAI 提供了兩種類型的語音對話 —— 标準語音和進階語音：
1）進階語音：目前正在向 Plus 和 Team 使用者逐漸推出。該功能使用 GPT-4o 的原生音頻技術，能夠實作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。
Plus 和 Team 使用者每天對進階語音的使用量有限制，包括語音輸入和輸出。企業版和教育版的使用者将在下周開始獲得該功能。
2）标準語音：适用于所有登入 ChatGPT的使用者，并可以通過 iOS、macOS 和Android 應用使用。
标準語音通過多種模型生成響應，包括将語音轉錄為文本，再傳遞給模型進行回答。
盡管标準語音不像進階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，标準語音中的每一次提示都會計入消息限制。
要開始語音對話，需要選擇螢幕右下角的“語音”圖示：
當開始進階語音對話時，使用者将被帶到一個螢幕，螢幕中心有一個藍色球體：
AVM 将在一周内逐漸向所有 Plus 和 Team 使用者推送。在等待期間，OpenAI 還增加了“自定義指令”、記憶功能、五種新語音和改進的口音支援，還可以用超過 50 種語言說“抱歉，我遲到了”。
此外，ChatGPT 還新增了五種可供使用者體驗的語音：Arbor、Maple、Sol、 Spruce 和 Vale，加上之前的 Breeze、Juniper、Cove 和 Ember，ChatGPT 語音總數達到了九種，幾乎趕上了谷歌 Gemini Live 的數量。
- Arbor – 随和且多功能
- Breeze – 生動活潑
- Cove – 沉着且直接
- Ember——自信而樂觀
- Juniper – 開放而樂觀
- Maple——開朗、坦誠
- Sol – 精明且放松
- Spruce——冷靜而肯定
- Vale——聰明且好奇
OpenAI 表示，自從 AVM 的有限 alpha 測試釋出以來，已經進行了多項改進。據稱ChatGPT的語音功能現在對口音的了解能力更強，且對話更加順暢和迅速。
OpenAI 還将 ChatGPT 部分定制功能擴充到了 AVM，包括“自定義指令”，允許使用者個性化 ChatGPT 的響應方式，以及“記憶功能”，讓 ChatGPT 能夠記住之前的對話以供以後參考。
本文由人人都是産品經理作者【江天 Tim】，微信公衆号：【有新Newin】，原創/授權 釋出于人人都是産品經理，未經許可，禁止轉載。
題圖來自Unsplash，基于 CC0 協定。