高级语音被网友玩坏：声音真实到可怕，不仅能唱小星星，还会万国语言

出品|搜狐科技

作者|王一鸣

OpenAI最近推出了GPT-4o高级语音功能（AdvancedVoiceMode），网友纷纷发挥自己想象力，让ChatGPT“秀才艺”。

其实GPT-4o高级语音早在6月底就发布了测试版本alpha，但因为没有达到“发布标准”推迟了发布。

最开始，高级语音版本有一个叫“Sky”的声音与《Her》中斯嘉丽·约翰逊的声音非常相似，约翰逊曾经也向OpenAI提出了交涉，最终声音被撤下。而且OpenAI表示，他们已经让ChatGPT无法模仿其他任何人的声音，无论是个人还是公众人物，而且还会屏蔽与这些预设声音不同的输出。

虽然GPT-4o不是活的，但它是很能整活的

ChatGPT新的语音模式非常强大，它说话途中完全可以被打断，它还能用很多种方式讲故事、模仿、实时翻译等。

因为实在是太好玩了，网友们不停地整活，比如这位网友让GPT-4o学星球大战的Yoda和辛普森一家人，最后还混在一起学：

还能用中文讲故事，虽然发音还不太标准，而且“气”字读成了日语发音，其实还需要后期的训练才能逐渐地“地道”起来：

还可以跟GPT-4o“视频语音”聊天：

这也就是意味着你能够跟一个非常聪明而且很有知识的人在“视频通话”。

其实视频中的人的意思是一个梗：“猫做的事情只是它们想谋杀你的迹象”，用爪子按你只是来确定你内脏的弱点，高级语音被网友玩坏：声音真实到可怕，不仅能唱小星星，还会万国语言坐在你的笔记本上是为了破坏你跟外界的联系。而视频中，猫在厕所中不吃东西保持轻度饥饿是为了伏击做准备的。

ChatGPT，你会唱小星星吗？

虽然有些跑调，但是声音非常的真实，还配有喘气声。

挑战多国语言也不在话下，从英语→韩语→中文→法语→葡萄牙语→西班牙语→斯瓦希里语：

还能当僚机，帮你实时翻译外文游戏：

想象一下，如果你有个关卡不知道怎么过，通过让ChatGPT进行分析是不是就能直接要到游戏攻略？

预报天气的时候还能模拟环境声（风声、雷声和交通鸣笛声等）

播报天气预报都能够声情并茂，以后电视台在天气预报栏目可以多发挥一下想象力。

它讲睡前故事的时候可以用各种语气，甚至还可以像舞台剧一样唱出来讲：

这声音真实到可怕。

总体来说，每当说出一个问题的时候，ChatGPT通常需要几秒钟的响应时间，这可能跟算力或者网络有关，但已经比之前的版本快很多了。

“它不是文字转语音”

对于高级语音功能，来自沃顿商学院的副教授，同时也是《共同智能》的作者EthanMollick认为：

1.它的效果跟当时演示的效果都挺好的。

2.很显然它能够产生很多的音效，但是有很多的限制。

3.这就很奇怪，很多无意识线索（内容）就让人感觉对面是个真人。

Mollick教授认为虽然说底层模型他用了很久了，但这种语音改变了AI交互的性质。

同时在未来AI会变得更有人性化；如果你之前觉得对AI应该礼貌一些，那以后“礼貌”对待AI可能就是必须的了。

也就是说它能够感知情绪，今后很有可能会根据你说话的语气输出ChatGPT自己的情绪。

之前ChatGPT处理语音时需要把语音转化为文本，然后GPT语言模型理解并这些文本来得出答案，然后再用语音念出来。

现在的GPT-4o具有多模态能力，可以直接听懂音频，针对音频来做出回答。就相当于对方跟你聊天的时候，不需要把你说的话转化成文字思考一下再回答你一样，所以这种方式也降低了延时。