OpenAI推出新一代可对话ChatGPT语音机器人

来源：量子号

近日，OpenAI正式推出了其最新研发的先进人工智能语音聊天机器人。这款机器人目前已面向部分用户开放，并计划在未来逐步扩展至更多用户。

该聊天机器人被视为OpenAI迈向新一代人工智能语音助手的重要一步。与现有的Siri和Alexa等语音助手相比，这款机器人不仅功能更强大，还能实现更为自然、流畅的对话体验。新版本的ChatGPT语音机器人具备识别不同语调的能力，能够实时响应中断和回答问题，同时通过训练优化了语音表达，使其声音更加自然并能传达丰富的情绪。

据悉，这一语音模式由OpenAI最新的GPT-4o模型驱动，该模型整合了语音、文本和视觉能力。为了收集用户反馈，OpenAI最初仅向“一小部分”ChatGPT Plus的付费用户推出该功能，预计在今年秋季全面覆盖所有ChatGPT Plus订阅用户。ChatGPT Plus的订阅费用为每月20美元（约合144元人民币）。OpenAI表示，将通过ChatGPT应用程序通知首批用户，并提供关于如何使用新模型的详细说明。

这项语音功能最初于今年5月宣布，但比原计划推迟了一个月发布。OpenAI解释称，这是为了进一步完善安全功能，例如增强模型检测和拒绝不良内容的能力。此外，该公司还改进了基础设施，以支持数百万用户获得实时响应。

在正式推出之前，OpenAI已邀请100多名外部红队测试人员对语音功能进行了全面评估。这些测试人员来自29个国家，共掌握45种语言，他们的任务是挖掘模型可能存在的漏洞。

为了确保安全性，OpenAI实施了多项防护措施。例如，为了防止模型被用于制作音频深度伪造，公司与专业配音演员合作，设计了四种预设声音供用户选择。GPT-4o不会模仿或生成任何他人的声音。

然而，OpenAI此前因使用一种名为“Sky”的声音而引发争议。有用户指出，这一声音与女演员斯嘉丽·约翰逊的声音极为相似。对此，约翰逊发表声明称，OpenAI曾联系她希望获得使用其声音的授权，但她明确拒绝了这一请求。OpenAI否认“Sky”声音与约翰逊有关，并已暂停使用该声音。

此外，OpenAI还面临多起涉嫌侵犯版权的诉讼。对此，公司表示已在模型中引入过滤器，以识别并阻止生成音乐或其他受版权保护的音频内容。OpenAI还强调，已将在基于文本的模型中使用的安全机制应用于GPT-4o，以防止其生成违法或有害内容。

展望未来，OpenAI计划为这款语音机器人加入更多高级功能，例如视频支持和屏幕共享，这将进一步提升其实用性。在今年5月的一次演示中，OpenAI员工展示了如何利用手机摄像头拍摄一张纸上的数学方程式，并让人工智能协助解答；他们还通过共享电脑屏幕，要求模型帮助解决编程问题。不过，OpenAI表示，这些功能暂不会推出，具体上线时间仍有待确定。