【ITBEAR科技資訊】7月31日消息，OpenAI于當地時間30日宣布，即日起GPT-4o的語音模式(注：Alpha版本)將對部分ChatGPT Plus用戶開放，計劃在今年秋季將該功能逐步推廣至所有ChatGPT Plus訂閱用戶。
據ITBEAR科技資訊了解，OpenAI首席技術官米拉?穆拉蒂(Mira Murati)在早前的演講中闡述了GPT-4o的技術特點。她指出，GPT-4o是一個全新的跨文本、視覺和音頻的端到端統一模型，其特色在于所有的輸入與輸出都由單一的神經網絡負責處理。由于這是OpenAI首個融合多種模式的模型，因此在功能和局限性的探索上，他們還處于初步階段。
原計劃于今年6月底邀請小部分ChatGPT Plus用戶測試GPT-4o語音模式的OpenAI，因需要更多時間來完善模型并提升其特定內容的檢測和拒絕能力，故官方在6月宣布了測試推遲的消息。
早期信息顯示，相較于GPT-3.5模型2.8秒的平均語音反饋延遲，GPT-4的5.4秒延遲在語音交互上顯得不足。然而，新一代的GPT-4o預計將大幅降低這一延遲，實現更為流暢的對話體驗。
GPT-4o語音模式的亮點在于其迅速的反應速度和高度逼真的聲音。OpenAI更是聲稱，該模式能夠感知語音中的情感語調，包括悲傷、興奮甚至是歌唱。
OpenAI 發言人林賽?麥卡勒姆(Lindsay McCallum)明確表示：“ChatGPT不會冒充他人的聲音，無論是個人還是公眾人物，且系統會阻止與預設聲音不符的輸出。”這一聲明為GPT-4o在語音交互的真實性和安全性上提供了保障。
