OpenAI发布新的语音模型，实现更自然的实时对话

OpenAI今天发布了新的对话模型，称为GPT-Live-1和GPT-Live-1 mini，声称它们听起来更自然，并且可以更好地处理轮流。这些是全双工模型，这意味着它们可以同时说和听，允许用户自然地打断并启用实时翻译等功能。

默认情况下，该公司还将ChatGPT中当前的高级语音模式替换为GPT-Live-1 mini。付费级别的用户将能够访问更大的GPT-Live-1模型。之前的模型结合了用于转录语音的语音到文本模型、用于生成响应的大型语言模型以及用于提供最终答案的文本到语音模型。

该公司在新闻发布会上表示，新模型解决了用户说话时打断用户以及没有足够的智能来回答问题等问题。 OpenAI的新模型将把查询发送到最新的文本模型，如GPT-5.5，以在继续对话的同时进行搜索、推理或代理功能。

OpenAI还表明，该模型可以长时间保持沉默，并吸收对话的上下文，直到被调用。另外，由于新的语音模式可以访问较新的GPT模型，因此它还可以以视觉格式呈现一些信息。其他初创公司，例如Monogram，从DST和Lux Capital筹集了4000万美元的种子资金，也倾向于视觉响应，以使助手更具互动性。

该公司表示，ChatGPT中的新语音模式旨在实现更长时间的对话。在简报中，ChatGPT Voice的产品负责人Atty Eleti表示，他在散步时使用语音功能进行了30到40分钟的对话。

OpenAI认为语音可能成为复杂工作计算的主要界面。有报道称，它可能会在今年推出一款具有人工智能功能的耳机。不过，它没有提供任何有关硬件产品的信息。

“随着时间的推移，我们认为这也将解锁使用语音作为一种主要计算接口的能力，以及管理日益复杂的长期运行代理工作的能力。我们看到人们使用Codex和ChatGPT来完成令人惊叹的用例，我们认为语音可以成为未来各种工作的接口，”Eleti说。

在过去的几年里，OpenAI一直致力于增强基于语音的功能，以使ChatGPT的语音模式听起来更自然。该公司表示，超过1.5亿人使用语音和听写等功能与ChatGPT交谈。

竞争对手也试图让助手更具表现力。

苹果和亚马逊都更新了他们的助手，使其更具对话性和更好的上下文处理能力。 Oculus联合创始人Brendan Iribe和Ankit Kumar创立的Sesame等初创公司也推出了人工智能助手，可以在后台完成任务时进行更自然的对话。

OpenAI正在朝同一方向前进，旨在让用户能够更长时间地免提与其助手通话。尽管声称新的语音模式听起来更自然，但该公司强调，它的目的并不是让它成为人工智能伴侣。它指出，新模型内置了保障措施，可以为青少年提供适合年龄的反应，并在对话转向自残等话题时提供资源。

新的语音模式还需要改进。在演示过程中，当该公司展示其印地语实时翻译功能时，助理带着浓重的美国口音，用印地语说话，听起来不自然，还带着些许书卷气。该公司表示，新模式针对“最常用的语言”进行了优化，但没有具体说明是哪些语言。