IT之家 7 月 31 日消息，當(dāng)?shù)貢r間 30 日，OpenAI 宣布即日起向部分 ChatGPT Plus 用戶開放 GPT-4o 的語音模式（IT之家注：Alpha 版本），并將于今年秋季逐步推廣至所有 ChatGPT Plus 訂閱用戶。
今年 5 月，OpenAI 首席技術(shù)官米拉?穆拉蒂（Mira Murati）在演講中提到：
在 GPT-4o 中，我們訓(xùn)練了跨文本、視覺和音頻的端到端全新統(tǒng)一模型，這意味著所有輸入和輸出都由同一個神經(jīng)網(wǎng)絡(luò)處理。
由于 GPT-4o 是我們第一個結(jié)合所有這些模式的模型，因此我們在探索該模型的功能及其局限性方面仍處于起步階段。
OpenAI 公司原計劃今年 6 月底邀請一小部分 ChatGPT Plus 用戶測試 GPT-4o 語音模式，但官方在 6 月宣布推遲，表示需要更多時間打磨該模型，提高該模型檢測和拒絕某些內(nèi)容的能力。
根據(jù)此前曝光的信息，GPT-3.5 模型的平均語音反饋延遲為 2.8 秒，而 GPT-4 模型的延遲為 5.4 秒，因此在語音交流方面不太優(yōu)秀，而即將推出的 GPT-4o 可以極大地縮短延遲時間，近乎無縫對話。
GPT-4o 語音模式具有快速反應(yīng)、聲音堪比真人等特征，OpenAI 更稱 GPT-4o 語音模式可以感知語音中的情感語調(diào)，包括悲傷、興奮或歌唱。
OpenAI 發(fā)言人林賽?麥卡勒姆（Lindsay McCallum）表示：“ChatGPT 不能假冒他人的聲音，包括個人和公眾人物的聲音，并且會阻止與預(yù)設(shè)聲音不同的輸出?！?/p>
廣告聲明：文內(nèi)含有的對外跳轉(zhuǎn)鏈接（包括不限于超鏈接、二維碼、口令等形式），用于傳遞更多信息，節(jié)省甄選時間，結(jié)果僅供參考，IT之家所有文章均包含本聲明。