实时对话更自然，OpenAI 向部分付费订阅用户开放 GPT-4o 语音模式

【ITBEAR科技资讯】7月31日消息，OpenAI于当地时间30日宣布，即日起GPT-4o的语音模式(注：Alpha版本)将对部分ChatGPT Plus用户开放，计划在今年秋季将该功能逐步推广至所有ChatGPT Plus订阅用户。

据ITBEAR科技资讯了解，OpenAI首席技术官米拉・穆拉蒂(Mira Murati)在早前的演讲中阐述了GPT-4o的技术特点。她指出，GPT-4o是一个全新的跨文本、视觉和音频的端到端统一模型，其特色在于所有的输入与输出都由单一的神经网络负责处理。由于这是OpenAI首个融合多种模式的模型，因此在功能和局限性的探索上，他们还处于初步阶段。

原计划于今年6月底邀请小部分ChatGPT Plus用户测试GPT-4o语音模式的OpenAI，因需要更多时间来完善模型并提升其特定内容的检测和拒绝能力，故官方在6月宣布了测试推迟的消息。

早期信息显示，相较于GPT-3.5模型2.8秒的平均语音反馈延迟，GPT-4的5.4秒延迟在语音交互上显得不足。然而，新一代的GPT-4o预计将大幅降低这一延迟，实现更为流畅的对话体验。

GPT-4o语音模式的亮点在于其迅速的反应速度和高度逼真的声音。OpenAI更是声称，该模式能够感知语音中的情感语调，包括悲伤、兴奋甚至是歌唱。

OpenAI 发言人林赛・麦卡勒姆(Lindsay McCallum)明确表示：“ChatGPT不会冒充他人的声音，无论是个人还是公众人物，且系统会阻止与预设声音不符的输出。”这一声明为GPT-4o在语音交互的真实性和安全性上提供了保障。