OpenAI今天发布了新的对话模型，称为GPT-Live-1和GPT-Live-1 mini，声称它们的声音更加自然，并且能够更好地处理轮流对话。这些是全双工模型，意味着它们可以同时说话和听取，使用户可以自然而然地打断并启用实时翻译等功能。该公司还默认用GPT-Live-1 mini替换目前在ChatGPT中的高级语音模式。付费用户将能够访问更大的GPT-Live-1模型。之前的模型结合了一个语音转文本模型来转录语音，一个大型语言模型来生成响应，以及一个文本转语音模型来提供最终答案。该公司在新闻发布会上表示，新模型解决了在用户讲话时打断用户以及没有足够的智能来回答问题等问题。OpenAI的新模型将查询发送到其最新的文本模型，如GPT-5.5，以进行搜索、推理或代理能力，同时继续对话。OpenAI还显示，该模型可以长时间保持沉默，吸收对话的上下文，直到被调用。此外，由于新的语音模式可以接入更新的GPT模型，因此它还可以以可视化格式呈现一些信息。类似于获得4000万美元种子资金的Monogram等其他初创公司，也在倾向于可视化响应，以提高助理的互动性。该公司表示，ChatGPT中的新语音模式旨在进行更长时间的对话。在新闻发布会上，ChatGPT语音的产品负责人Atty Eleti表示，他在散步时与语音功能进行了30到40分钟的对话。OpenAI认为，语音可能是复杂工作计算的主要接口。报告建议它可能在今年推出一对具有AI功能的耳塞。但它没有提供任何硬件产品的信息。“随着时间的推移，我们认为这也将解锁使用语音作为计算的主要接口的能力，并管理越来越复杂的长期代理工作。我们看到人们使用Codex和ChatGPT完成的那种令人惊叹的用例，我们认为语音可以成为各种工作的未来接口，”Eleti说。OpenAI在过去几年中一直致力于增强基于语音的功能，使ChatGPT的语音模式听起来更加自然。该公司表示，超过1.5亿人使用语音和听写等功能与ChatGPT对话。竞争对手也在尝试使助手更具表现力。Apple和Amazon都更新了它们的助手，使其更具对话性，更好地处理上下文。由Oculus联合创始人Brendan Iribe和Ankit Kumar创立的Sesame等初创公司也推出了具有更自然对话的AI助手，同时在后台完成任务。OpenAI正在朝着相同的方向发展，旨在让用户可以更长时间地免提与其助手交谈。尽管该公司声称新的语音模式听起来更加自然，但它强调并不打算将其打造为AI伴侣。它指出，新的模型内置了安全措施，以提供适合青少年的回应，并在谈论自残等主题时提供资源。新的语音模式仍需要改进。在演示过程中，当公司展示其在印地语中的实时翻译功能时，助手有着浓重的美国口音，且讲的印地语听起来不自然，并且略显书面化。该公司表示，新的模式已针对“最常用的语言”进行了优化，但没有具体说明是哪几种语言。当您通过我们文章中的链接进行购买时，我们可能会赚取少量佣金。这不会影响我们的编辑独立性。Ivan负责报道全球消费科技的发展，基地位于印度，曾在包括Huffington Post和The Next Web在内的出版物工作过。您可以通过发送电子邮件至im@ivanmehta.com或通过Signal上的ivan.42加密消息联系或验证Ivan的联系方式。查看个人简介