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(dú)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?yàn)樵隗w驗(yàn)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(shí)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(jì)算機(jī)視覺功能，該功能可讓聊天機(jī)器人通過智能手機(jī)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(fèi)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(duì)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(xiàng)。

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(jī)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(shí)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(jī)器人等應(yīng)用，這項(xiàng)技術(shù)的應(yīng)用場景也變得越來越寬廣。

每日經(jīng)濟(jì)新聞綜合公開資料