ChatGPT高級語音模式正在向Web網頁端推出！

就在幾小時前，OpenAI官方賬號在社交媒體平臺X上發布了一條“晦澀難懂”的帖子。

Another Advanced Voice update for you—it’s rolling out now on http://ChatGPT.com on desktop for all paid users.

So you can easily learn how to say the things you're doing an entire presentation on.

你能看懂OpenAI在說什么嗎?其實不止是我們，連母語是英文的外國網友們也紛紛表示看不懂這條更新描述，表示“讀得腦仁疼”。

經過多方查證，OpenAI這條更新指的是高級語音模式（Advanced Voice Mode），也就是平時說的實時語音，正在向ChatGPT網頁端推出!也就是，以后可以在瀏覽器上和ChatGPT語音對話了!

來自網友的確認。

ChatGPT上的語音模式分為兩種：標準語音模式（Standard voice）和高級語音模式（Advanced Voice Mode）。

其中，標準語音模式是通過傳統的文本轉語音模型（TTS，Text To Speech） 實現的，也就是如果你對ChatGPT說一句話，會經過語音轉文本、文本處理（生成答案）、文本轉語音這三個過程，技術層面看用到的模型分別是Whisper語音轉文本模型、GPT-4、Text To Speech文本轉語音模型。

這樣的語音模式造成的效果就是延遲感很重，每一個問題ChatGPT都需要思考一段時間然后再說話，并且一旦ChatGPT開始說話，就無法停止，你必須耐著性子聽完整個回答。這是由上面提到的實現方式決定的。

而高級語音模式則完全不同。高級語音模式基于GPT-4o模型的多模態能力，采用了端到端的語音處理方式，直接通過GPT-4o模型進行語音理解和生成一條龍服務。正因為此，這種語音模式下的對話更加自然流暢，基本感受不到延遲，同時端到端意味著可以隨時打斷ChatGPT的回復，就像是人和人之間真正的對話一樣。高級語音模式的另外一個重要特點是能夠理解語音語調、速度和情感變化，提供無限逼近自然對話的語音交互體驗。

這也是為什么高級語音模式(Advanced Voice Mode)一經推出就備受好評的原因。而市面上其他大多數支持語音對話的AI工具還都停留在傳統的文本轉語音階段。

由于受到系統、技術框架的限制，語音模式一直以來都是手機app的專屬功能。就在最近，才在桌面客戶端，包括Mac和Win兩個版本，也上線了高級語音模式。

而本周起，我們將能夠直接在ChatGPT網頁端(即瀏覽器)使用高級語音功能，和ChatGPT對話。這對于沒有或不想用桌面客戶端的小伙伴還是非常友好的。

和之前的一些高級功能一樣，網頁端的高級語音功能也是優先向付費用戶開放，包括Plus/Enterprise/Team/Edu計劃的訂閱用戶。其中受眾最廣的Plus會員，費用為20美元每月。

關于高級語音模式更加詳細的解釋和介紹，可以看以下系列文章。

關于ChatGPT實時語音功能，你需要知道的15點總結！

重磅！ChatGPT實時語音終于要來了！附詳細使用說明

結語

附上OpenAI首席產品官(CPO)Kevin Weil針對這個更新的詳細介紹。

本文鏈接：http://www.tondou.cn/post/1798.html ,轉載需注明文章鏈接來源：http://www.tondou.cn/

• 喜歡（11）
• 不喜歡（3）

本文鏈接：http://www.tondou.cn/post/1798.html