专栏名称: 硅星GenAI

比一部分人更先进入GenAI。

用了 ChatGPT 最新语音功能之后，真的越来越像《Her》了

硅星GenAI · 公众号 · 科技自媒体 · 2024-09-27 17:10

主要观点总结

本文介绍了GPT-4o的语音交互能力，包括其高级语音模式的特点和实用功能，如逼真的情绪表现力、支持中文方言、为盲人描述画面等。文章还提到了AI技术的不断迭代和广泛的应用前景。

关键观点总结

关键观点1: GPT-4o的语音交互能力令人震惊，具有高级语音模式，表现出强大的情感表现力。

GPT-4o的全量推出，展示了其在语音交互方面的技术实力。其情感表现力丰富，能够根据用户的语速、语气和词汇做出相应的调整，使对话更加自然和贴合情感氛围。

关键观点2: GPT-4o支持多种语言和中文方言，为用户带来地道的语言体验。

GPT-4o的语音功能支持50多种语言，包括中文方言，如北京话和粤语等。虽然方言的语音数据相对有限，但GPT-4o已经能够表现出一定的方言能力，让人感受到其技术的进步。

关键观点3: GPT-4o的高级语音模式具有实用功能，如为盲人描述画面等。

GPT-4o的高级语音模式不仅具有娱乐性质，还具有实用功能，如为盲人用户描述画面等。其描述方式有感情，能够照顾到盲人的感受，展现出AI技术在多个场景中的广泛应用前景。

关键观点4: AI技术的不断迭代使得GPT-4o的语音交互越来越像人类。

随着AI技术的不断迭代，GPT-4o的语音交互能力越来越强大，让人惊叹。未来，我们与AI的对话可能会涉及情感、文化和个性等方面的互动，展现出科技在让AI越来越‘懂人’的同时，也让我们逐渐‘懂得’AI的世界。

正文

在 GPT-4o 的发布会上，最令人震惊的就是它的语音交互能力，像人一样对话的节奏感、超逼真的语气，在期货了 4 个月之后终于来了。这项功能会在一周内全量推出，多亏社群里近日点科技的阿茶老师提供账号，让我们能第一时间能上手玩到。

使用后第一感受就是：

未来感 ：感觉就是《Her》电影里的场景被直接搬到了我面前！
人味儿 ：这语音可真够“贴心”，完全不再像机械冷冰冰的回答了。
速度：不用再盯着转圈圈看天花板了，几句话就能拉起一场对话。
仍然是个不完全体，跟当时发布会演示的功能还有差距。

#01

演技一流：情绪说来就来

人生如戏，全靠演技。连 AI 都能有这么逼真的情绪了，演员们看看！

在高级语音模式下，ChatGPT 的情感表现力有了大幅提升。以前，AI 和你对话的情绪可能只是表面上的，现在则能根据你的语速、语气和词汇做出相应的调整。这意味着，不仅仅是语音听起来更自然，AI 的反应也更加贴合对话的情感氛围。

绕口令：烫嘴2倍速

话说昨天，你就回本了吗？

事情是这样的，长期跌跌不涨的A股，9月25日直接冲到3000点，涨停了！直接给上交所宕机了！

网友称：事情来的太突然，好平啊，突然这么稳，有点不适应了，我的过山车呢？

更有网友谈到：畸形市场，周一都要火化了，周四KTV，直接太兴奋脑梗。

有一说一，踏空确实比亏钱难受。现在让 ChatGPT 给大家一些鼓励，表演《华尔街之狼》小李子在办公室演讲激励人心的经典桥段。

ChatGPT 不仅能配合情绪，还能调整语调和节奏，仿佛真的在演一场戏。语音模式的情绪感知能力让对话有了更多的层次感，感觉像是真在演戏，甚至有点小“飙戏”的意味。

OpenAI 还给这个模式加了个自定义指令的功能，你可以指定它用什么方式回应，让它成为你的“私人定制语音助手”，不管是严肃的讲解还是搞笑的调侃，随你心情变换。

#02

中文方言不在话下：地地道道的北京味儿

现在，ChatGPT 现在支持 50 多种语言的语音功能，甚至中文方言都可以。

先来点儿北京话，“您甭说，今儿真成，走到这儿，我这叫一个舒坦！”要是 ChatGPT 能把 这京腔儿“卷舌儿”味儿 带出来，那就算它是真有进步了。

别说，ChatGPT 这方言讲的真不赖，北京腔“儿”十足。除了北京话，还聊到了粤语，有没有广东的朋友？来点评下 ChatGPT 的粤语正不正宗？

长时间对话会发现，ChatGPT 的方言逐渐“淡化”。它能用各种方言开个头，但聊着聊着就不自觉切换回了普通话。这其实是因为方言的语音数据相对有限，需要进一步打磨，才能真正做到畅快的方言唠嗑，期待它的升级。

#03

说唱：只会说不会唱！

千等万等，终于等来了，看着一个月之前小部分网友的测试效果，既能 Box，又能唱歌的，好不羡慕。

但我发现高级语音模式下的 ChatGPT， 只会说不会唱。

如果你聊到“模仿、唱歌、学谁说话”等内容，基本都会被它拒绝，这是因为 OpenAI 设置了相关的版权保护措施，禁止 AI 模仿特定的声音或生成音乐内容。

OpenAI 禁止 AI 模仿特定的声音或生成音乐内容

给了它几个关键词，让他来段 Freestyle，但它依然不会唱，而且写出来的不像说唱歌词，更像是诗朗诵。

关键词：A股涨停、OpenAI高层出走、牛马、摆摊、云养猫

视频和歌词一起食用，效果更佳哦！