【ITBEAR科技资讯】7月31日消息，OpenAI于当地时间7月30日公布，即日起启动GPT-4o语音模式(Alpha版)的初步测试，对部分ChatGPT Plus用户开放，计划在今年秋季将该功能全面推送给所有ChatGPT Plus的订阅用户。
这一全新的语音模式是建立在GPT-4o模型基础上的，该模型是OpenAI最新的跨文本、视觉和音频的端到端统一模型。OpenAI的首席技术官米拉・穆拉蒂在早前的演讲中阐述，GPT-4o的独特之处在于它使用一个神经网络处理所有类型的输入和输出，无论是文本、图像还是音频。
据ITBEAR科技资讯了解，GPT-4o作为公司首个集多模式于一体的模型，目前仍在探索其功能与限制的初级阶段。原定于6月底的GPT-4o语音模式测试因需进一步完善模型和提高内容过滤能力而被推迟。此次推出的语音模式旨在显著减少语音反馈的延迟，提升对话的流畅性，为用户提供近乎无缝的交流体验。
先前的数据显示，GPT-3.5模型的语音反馈平均延迟为2.8秒，而GPT-4则达到了5.4秒，这对于语音交流来说显然不够理想。然而，GPT-4o语音模式的推出预计将极大地改善这一状况。
此外，OpenAI发言人林赛・麦卡勒姆强调，新推出的GPT-4o语音模式不仅反应迅速，声音自然，更能感知语音中的情感语调，如悲伤、兴奋甚至是歌唱。同时，她也明确指出，ChatGPT不会冒充他人声音，系统会阻止与预设声音不符的输出，以确保使用的合规性和安全性。
