ChatGPT高级语音正式开放！新增记忆功能，支持50种语言 ...

智东西
编译 Vendii
编辑 漠影

智东西9月25日消息，OpenAI今日宣布本周内将向所有ChatGPT Plus和Team用户开放高级语音模式。
除了已经可用的4种风格的声线之外，ChatGPT的高级语音模式中还新增了5种不同风格的声线。它还会说包括普通话在内的50多种语言。此外，高级语音模式还新增了自定义指令功能和记忆功能。
高级语音模式将会在美国先开放使用。而在欧盟、英国、瑞士、冰岛、挪威和列支敦士登的用户还暂时不可用。
以上这些更新仅适用于GPT-4o模型，而不适用于最近发布的o1。
一、新增5种风格声线、2大功能，会说超过50种语言
根据OpenAI的说法，所有订阅了ChatGPT的Plus和Team计划的付费用户都将在本周内获得ChatGPT高级语音模式的使用权限。下周，OpenAI计划将ChatGPT高级语音模式扩展到Edu和Enterprise计划的订阅用户。
高级语音模式将会在美国先开放使用。而在欧盟、英国、瑞士、冰岛、挪威和列支敦士登的用户还暂时不可用。
除了已经可用的4种风格的声线（活跃真诚的Breeze、开放积极的Juniper、沉着直率的Cove和自信乐观的Ember）之外，ChatGPT的高级语音模式中还新增了5种不同风格的声线（随和且多才多艺的Arbor、开朗率真的Maple、聪慧随性的Sol、冷静坚定的Spruce和聪明好学的Vale）。
此外，OpenAI为ChatGPT的高级语音模式新增了自定义指令功能和记忆功能。这些功能的增加，使得语音模式的交互体验更加丰富和个性化。
新增的自定义指令功能允许用户根据自己的需求定制ChatGPT的回复方式，包括但不限于设定对话的正式程度、回复的长度、称呼方式，以及是否持有观点或保持中立。用户可以通过这个功能告诉ChatGPT更多关于自己的信息，比如职业背景、兴趣爱好等，以便ChatGPT能够提供更加个性化和贴合用户需求的回答。
而记忆功能则是指ChatGPT能够记住用户在不同对话中提供的信息，从而在后续的交流中提供更加相关和个性化的回答。例如，如果用户告诉ChatGPT他们有某些饮食限制，记忆功能将使得ChatGPT在未来涉及到菜谱建议之类的对话中考虑到这些限制，并提供相应的建议或信息。
而且，ChatGPT高级语音模式还会说包括普通话在内的50多种语言。OpenAI在社交平台X上发布的帖子中附带了一段视频。视频中，用户向语音助手提出指令：由于让奶奶久等了，我需要向奶奶致歉。语音助手先用英语提出建议，并在用户反馈“奶奶只会说普通话”后，又用中文普通话表达了一遍。
//oss.zhidx.com/uploads/2024/09/66f3c2295e695_66f3c229593da_66f3c2295939f_20240925_155459.mp4
二、延迟发布的背后原因：AI语音功能引争议，需进行充分测试确保安全性
OpenAI将语音功能添加到ChatGPT的尝试很早就引发了争议。
在5月份宣布GPT-4o和高级语音模式的时候，人们注意到其中一个声线Sky与女演员Scarlett Johanssen的声音极为相似。而且，OpenAI的首席执行官Sam Altman在社交媒体上发布过“her”一词，可能暗指了电影《Her》，而Johansson正是该电影中AI语音助手的配音演员。
这引发了人们对于AI开发商在创建语音助手时模仿知名人士声音的担忧。后来，OpenAI否认了Sky与Johansson的关联，并立即下架了Sky。
此次宣布高级语音模式将正式开放的同时，OpenAI还强调了用户只能选择OpenAI提供的9种声线。并且，他们在发布前已对其安全性进行了评估，以避免语音模式被用于欺诈等不当行为。
“我们与公司外部的红队测试人员一起测试了模型的语音功能。这些测试人员总共会说45种不同的语言，代表着29个不同的地理区域，”OpenAI在发布会上对记者说。
由于需要进行安全测试，ChatGPT高级语音模式的推出从最初计划的6月底推迟到了7月底或8月初，并且最初只向OpenAI选定的用户群体推出。
而现在，OpenAI将向所有付费用户正式开放ChatGPT高级语音模式的举措，说明它已经做好了充足的准备。这也符合OpenAI近来谨慎的作风。
结语：AI语音赛道正在越来越卷
自从苹果Siri和亚马逊Alexa之类的AI语音助手兴起以来，AI开发商们一直希望让用户与生成式AI的对话体验更加贴近人类交流。
比如，由前谷歌Deepmind成员Alan Cowen创办的初创公司Hume AI，于9月11日发布了其第二代情感智能AI。它能够通过分析用户的语音，如口音、语气、语调、拟声词、节奏和停顿等，来理解用户的情绪和心理状态，并做出实时响应。
法国AI公司Kyutai于7月6日发布了Moshi。它能够理解和表达情感，模拟70种不同的情绪和风格进行交流。
谷歌于8月14日正式发布了智能语音助手Gemini Live。
据路透社昨日报道，Meta也在开发模拟知名演员声音的语音助理，并计划在明天凌晨开始的Meta Connect 2024大会上宣布这一功能。
来源：VentureBeat

（华光大帝庙）建议尽快高频量化融券卖出手续费按照累计超千股就翻倍递增限制做空，基金有盈利才收管理费，减持股票只可回购注销促进分红，超募直接回购注销二级市场股票，试行涨幅20%跌幅10%引导长期投资，买卖1手改为10股，不限投资门槛，连续涨跌停不停牌只控制账户交易千股，事半功倍！35岁以上才能报考降低内部风险，在职最高不超当地最低工资3倍，内部相差不超2倍，退休不超当地最低1倍，限高保低增加就业，累计亿元征收遗产税和离境税缩小差距，纠正年龄和学历偏见及过长加班并自愿弹性60岁起退休，大学和职校互通联办，城市评比重点劳动保障落实，增强幸福获得感，可以有效减少过度内卷忧虑。实现零利率和取消预售，有效消化库存限制单期个人累计中奖额度50万元，对外公布就无后顾之忧，提高中奖率，有效促进消费！AI智能帮助先快发展机器人和核聚变及常温超导推广泛ADC和泛RNA及泛超声电场联治进医保749科济列夫镜实验时空裂缝重置

新增记忆功能，这技术难点在于个性化与隐私的平衡，既要让AI懂你，又要确保你的数据安全，OpenAI这波操作，得给技术大牛点个赞。