GPT-4o 高级语音模式虽迟但到，纠口音、做解说、学猫叫……网友们已玩疯。
千呼万唤。
OpenAI 最新模型 GPT-4o 的高级语音模式终于上线了。
对，就是那个让人疯狂联想到电影《Her》的东西。
官方于北京时间今天凌晨宣布这一重大消息。
虽然比预期迟到了约 1 个月，但和 5 月份的发布会预览的真的一样，该模式可以展现出非常自然的对话，既能感知你的情绪，也能富有感情地回复你，并且延迟非常之低。
用网友的话来说，就像放在咱们口袋里的一个真人对讲机。
哦对，随时打断它也没问题。
美中不足的是，目前开放名额有限：
只针对部分 plus 会员（被抽中就会在 ChatGPT 手机端收到邮件）。
剩下的充钱用户呢？至少得再等 1 个月（官方原话「今年秋天」）。
剩下的免费用户呢？那就不知道咯。
但不管咋说，从一部分流出的实测效果来看，「这家伙」是真的很强很健谈呐。
来吧，展示~
GPT-4o 语音实测大赏
首先来看一段法语教学。
一声「Hey,ChatGPT」，对话正式开启。
自述正在学法语的小哥，念了一个法语单词说「你帮我听听」。
GPT-4o 先是贴心地评价他已经非常接近了，再随即纠正「可以尝试强调鼻音」，并亲口做了一个示范让小哥模仿它结尾的发音。
活脱一个循循善诱的私人教师。
在另一个单词中，GPT-4o 则建议小哥强调第二个音节，简直不要太细节。
此番引导下，小哥也如有神助，瞬间就纠正了自己的发音。
在另一个场景中，一位推特网友则打开摄像头，让 GPT-4o 看看他为新接回来的小猫布置的环境。
谈到小猫没吃没喝也不现身，GPT-4o 非常耐心地安慰他，并解释无需担心，因为小猫到新家需要一些适应的时间。
这位网友感叹：感觉就像与一个知识渊博的朋友面对面交流，回答非常实时。
说到实时，这可是不少人对 GPT-4o 高级语音功能的最大感受。
比如下面这位朋友的第一印象就是「速度非常快，从你说完到它响应之间几乎没有延迟」。
他展示了 GPT-4o 用语音功能扮演足球解说员的效果。当他命令它更激情澎湃一点，简直不要太给力：
（听完感觉自己彷佛在现场，如果打开摄像头搭配现场比赛也能解说那就真的无敌了）
还有一段中文故事，大伙仔细听一听，这口音是不是越听越接地气？
最后，必须给大家按头安利一段 GPT-4o「学猫叫」——各种各类，太通人性。
有人看完直接评价还从未见识过会这种技术的语音机器人。
总的来说，好评如潮，大伙没有失望，有幸获得资格的会员们玩得是那叫不亦乐乎。
推迟一个月发布
GPT-4o 高级语音模式于今年 5 月 14 日正式在 OpenAI 春季发布会上亮相。
一波炫技操作展现出它近乎真实人类的语音对话能力，也让全世界意识到 ChatGPT 的能力边界再被拓宽——
从一个」平面「聊天机器人转变为更为全面的个人虚拟助理。
而按照计划，该功能原定于 6 月下旬发布 alpha 版本，但现在来看，足足推迟了一个月。
究其原因，是一直没有达到所谓的「发布标准」，特别是模型检测和拒绝生成某些内容的能力还不够。
如今，历经 100 多位「特种」测试人员横跨 45 门语言的考验之后，终于达标上线。
据介绍，该功能一共提供 4 种预设人声：Juniper、Breeze、Cove 和 Ember，都是与配音演员合作制作的。
此前备受争议、神似斯嘉丽·约翰逊的女声「Sky」则被下线。
自定义人声功能呼声很高，但并不支持，并且由于过滤器的存在，大家也无法用它生成公众人物的声音、有侵权风险的音乐等等也不行。
至于强大的视频和屏幕共享功能（也就是"看"的能力），官方信息显示不在此次推送范围内。
但从前面展示的效果来看，似乎出现了「漏网之鱼」。
最后，除了这一万众期待的语音功能，还有另一个好消息：
GPT-4o 的全面报告也要来了，就在八月。
官方到时会详细介绍其能力、局限性和安全评估结果等等，当然，八成不含技术细节。
*声明：本文系原作者创作。文章内容系其个人观点，我方转载仅为分享与讨论，不代表我方赞成或认同，如有异议，请联系后台。
