每經(jīng)編輯 杜宇

當(dāng)?shù)貢r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。

圖片來源：OpenAI官網(wǎng)

OpenAI表示，春季更新期間演示的視頻和屏幕共享功能并不包括在Alpha版本在內(nèi)，而是在后面推出。

ChatGPT高級語音模式不同于此前的語音模式，原有的音頻解決方案使用了三個獨立的模型：一個用于將用戶的語音轉(zhuǎn)換為文本，然后由GPT-4處理Prompt，然后由第三個模型將ChatGPT生成的文本轉(zhuǎn)化為語音。

GPT-4o是一個多模態(tài)模型，能夠在沒有其他模型輔助的情況下處理這些任務(wù)，因為在體驗上將顯著降低對話的延遲。

OpenAI還透露，GPT-4o可以感知用戶聲音中的情緒語調(diào)，包括悲傷、興奮或者唱歌；目前，Alpha組的用戶將在ChatGPT中收到提醒，并將收到一封郵件介紹如何使用。

OpenAI在今年5月推出了新版本大模型GPT-4o，同時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將無法使用計算機視覺功能，該功能可讓聊天機器人通過智能手機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。

圖片來源：視覺中國-VCG31N2008743681

值得注意的是，6月21日，OpenAI宣布成功收購初創(chuàng)公司Rockset，將該公司人才、重要技術(shù)同時納入囊中。

OpenAI在公告中表示，AI有機會改變個人和組織利用自身數(shù)據(jù)的方式。這就是我們收購Rockset的原因，Rockset是一家提供頂尖實時分析功能的數(shù)據(jù)庫公司，提供世界一流的數(shù)據(jù)索引和查詢功能。

Rockset提供一種名為“向量搜索”的關(guān)鍵技術(shù)。隨著越來越多公司使用人工智能驅(qū)動推薦引擎、語音助手、聊天機器人等應(yīng)用，這項技術(shù)的應(yīng)用場景也變得越來越寬廣。

每日經(jīng)濟新聞綜合公開資料