OpenAI 推出先進的語音模型,以實現更自然的即時對話

OpenAI 已推出兩款新的對話模型——GPT-Live-1 與 GPT-Live-1 mini,旨在讓對話聽起來更自然,並更有效地管理對話輪次。這些全雙工模型能夠同時說話和聆聽,讓使用者能自然地打斷對話,並支援即時翻譯等功能。
該公司同時將 GPT-Live-1 mini 作為預設選項,取代 ChatGPT 當前的高階語音模式。付費級別的使用者則可使用規模更大的 GPT-Live-1 模型。 此前,該系統仰賴語音轉文字模型、用於生成回應的大型語言模型,以及文字轉語音模型的組合,來產生最終輸出。
在記者會上,OpenAI 表示,新模型解決了諸如在用戶說話時打斷對話,以及缺乏足夠智慧來回答問題等問題。更新後的模型將在維持對話流暢度的同時,將查詢轉發至最新的文本模型(例如 GPT-5.5),以進行搜尋、推理或代理任務。
OpenAI 還示範了該模型能夠長時間保持沉默,持續吸收對話脈絡,直到被要求回應為止。 此外,由於新的語音模式整合了較新的 GPT 模型,因此能夠以視覺化方式呈現資訊。其他新創公司,例如從 DST 和 Lux Capital 籌集了 4,000 萬美元種子輪資金的 Monogram,也正致力於開發視覺化回應功能,以提升助理的互動性。
該公司指出,ChatGPT 中的新語音模式是為更長的對話而設計的。在簡報會上,ChatGPT Voice 的產品負責人 Atty Eleti 提到,他曾在散步時使用語音功能進行長達 30 至 40 分鐘的對話。
OpenAI 認為語音有望成為執行複雜運算任務的主要介面。報導指出,該公司可能在今年推出具備 AI 功能的耳機,不過目前尚未提供任何關於硬體產品的詳細資訊。
「隨著時間推移,我們認為這將開啟以語音作為運算主要介面的可能性,並能管理日益複雜且長期運行的代理式工作。正如我們所見,人們正利用 Codex 和 ChatGPT 實現各種令人驚嘆的應用場景,我們相信語音將成為未來各類工作的主要介面,」埃萊蒂表示。
過去幾年來,OpenAI 持續強化語音功能,讓 ChatGPT 的語音模式聽起來更自然。該公司表示,已有超過 1.5 億人使用「語音」和「語音輸入」功能與 ChatGPT 對話。
競爭對手們也正致力於讓他們的語音助理更具表達力。
蘋果和亞馬遜都已更新其語音助理,使其更具對話感,並提升了語境處理能力。由 Oculus 共同創辦人布倫丹·伊里貝(Brendan Iribe)與安基特·庫馬爾(Ankit Kumar)共同創辦的 Sesame 等新創公司,則推出了能在執行背景任務的同時進行更自然對話的人工智慧助理。
OpenAI 正循著類似的路徑,目標是讓使用者能更長時間地以免持方式與其助理互動。 儘管聲稱新的語音模式聽起來更自然,但該公司強調這並非作為 AI 伴侶而設計。公司指出,新模型內建了安全防護機制,能針對青少年提供適合其年齡的回應,並在對話涉及自殘等話題時提供相關資源。
新的語音模式仍有改進空間。在印地語即時翻譯功能的示範中,該助理說話時帶有濃重的美國口音,且使用的印地語聽起來不自然,略顯書生氣。該公司表示,此模式已針對「大多數通用語言」進行優化,但未具體說明是哪些語言。
相關文章
Google 測試 Remy AI 代理,以 Gemini 為重點轉向使用者控制
根據《商業內幕》的報道,谷歌正在測試 Remy,這是 Gemini 的一款全新 AI 個人代理工具。該工具旨在代表使用者執行任務,從而簡化專業工作流程和日常事務。目前,Remy 正在 Gemini 應用的內部員工專屬版本中進行測試。該報告引用了一份內部檔案以及對兩位熟悉該專案的個人的採訪。內部資料將 Remy 描述為“全天候個人代理”,將 Gemini 定位為能夠代表使用者行事的主動助手。接近該專案的訊息人士證實,谷歌員工正在積極測試 Remy。谷歌發言人拒絕提供進一步評論。該報告未提及公開發布
奧利押注隱私保護,力爭在 AI 助理競賽中勝出
要真正發揮實用價值,人工智慧助理必須深入了解其使用者。Ollie 是一款專為日常生活設計的個人助理,其運作前提是:這無需您交出個人資料,亦不會損害您的隱私。雖然某些企業級 AI 工具提供資料隱私保障,但 Ollie 作為首批獲得 SOC 2 合規認證的主流、以家庭為導向的 AI 服務之一,顯得格外突出。此框架允許企業透過獨立稽核證明,其已建立正式的管控措施來保護客戶資料,並確保系統運作的安全性。達
「AI LIVE:倫敦」將如何探討人工智慧與工業自動化
本次峰會將匯聚來自全球的高階主管,共同探討全球產業面臨的迫切挑戰,涵蓋範圍從人工智慧驅動的顛覆性變革到經濟波動。AI LIVE:倫敦峰會將以「科技+人類使命」為主題,匯聚逾 2,000 位國際領袖,共同探討人工智慧新興時代的發展。隸屬於 BizClik 旗下的《AI Magazine》已公佈其於「AI LIVE:倫敦峰會」上舉辦的「人工智慧與工業自動化」聯合爐邊談話的與會陣容。該座談會定於 10
相關專題推薦
評論 (0)
0/500

OpenAI 已推出兩款新的對話模型——GPT-Live-1 與 GPT-Live-1 mini,旨在讓對話聽起來更自然,並更有效地管理對話輪次。這些全雙工模型能夠同時說話和聆聽,讓使用者能自然地打斷對話,並支援即時翻譯等功能。
該公司同時將 GPT-Live-1 mini 作為預設選項,取代 ChatGPT 當前的高階語音模式。付費級別的使用者則可使用規模更大的 GPT-Live-1 模型。 此前,該系統仰賴語音轉文字模型、用於生成回應的大型語言模型,以及文字轉語音模型的組合,來產生最終輸出。
在記者會上,OpenAI 表示,新模型解決了諸如在用戶說話時打斷對話,以及缺乏足夠智慧來回答問題等問題。更新後的模型將在維持對話流暢度的同時,將查詢轉發至最新的文本模型(例如 GPT-5.5),以進行搜尋、推理或代理任務。
OpenAI 還示範了該模型能夠長時間保持沉默,持續吸收對話脈絡,直到被要求回應為止。 此外,由於新的語音模式整合了較新的 GPT 模型,因此能夠以視覺化方式呈現資訊。其他新創公司,例如從 DST 和 Lux Capital 籌集了 4,000 萬美元種子輪資金的 Monogram,也正致力於開發視覺化回應功能,以提升助理的互動性。
該公司指出,ChatGPT 中的新語音模式是為更長的對話而設計的。在簡報會上,ChatGPT Voice 的產品負責人 Atty Eleti 提到,他曾在散步時使用語音功能進行長達 30 至 40 分鐘的對話。
OpenAI 認為語音有望成為執行複雜運算任務的主要介面。報導指出,該公司可能在今年推出具備 AI 功能的耳機,不過目前尚未提供任何關於硬體產品的詳細資訊。
「隨著時間推移,我們認為這將開啟以語音作為運算主要介面的可能性,並能管理日益複雜且長期運行的代理式工作。正如我們所見,人們正利用 Codex 和 ChatGPT 實現各種令人驚嘆的應用場景,我們相信語音將成為未來各類工作的主要介面,」埃萊蒂表示。
過去幾年來,OpenAI 持續強化語音功能,讓 ChatGPT 的語音模式聽起來更自然。該公司表示,已有超過 1.5 億人使用「語音」和「語音輸入」功能與 ChatGPT 對話。
競爭對手們也正致力於讓他們的語音助理更具表達力。
蘋果和亞馬遜都已更新其語音助理,使其更具對話感,並提升了語境處理能力。由 Oculus 共同創辦人布倫丹·伊里貝(Brendan Iribe)與安基特·庫馬爾(Ankit Kumar)共同創辦的 Sesame 等新創公司,則推出了能在執行背景任務的同時進行更自然對話的人工智慧助理。
OpenAI 正循著類似的路徑,目標是讓使用者能更長時間地以免持方式與其助理互動。 儘管聲稱新的語音模式聽起來更自然,但該公司強調這並非作為 AI 伴侶而設計。公司指出,新模型內建了安全防護機制,能針對青少年提供適合其年齡的回應,並在對話涉及自殘等話題時提供相關資源。
新的語音模式仍有改進空間。在印地語即時翻譯功能的示範中,該助理說話時帶有濃重的美國口音,且使用的印地語聽起來不自然,略顯書生氣。該公司表示,此模式已針對「大多數通用語言」進行優化,但未具體說明是哪些語言。
奧利押注隱私保護,力爭在 AI 助理競賽中勝出
要真正發揮實用價值,人工智慧助理必須深入了解其使用者。Ollie 是一款專為日常生活設計的個人助理,其運作前提是:這無需您交出個人資料,亦不會損害您的隱私。雖然某些企業級 AI 工具提供資料隱私保障,但 Ollie 作為首批獲得 SOC 2 合規認證的主流、以家庭為導向的 AI 服務之一,顯得格外突出。此框架允許企業透過獨立稽核證明,其已建立正式的管控措施來保護客戶資料,並確保系統運作的安全性。達
「AI LIVE:倫敦」將如何探討人工智慧與工業自動化
本次峰會將匯聚來自全球的高階主管,共同探討全球產業面臨的迫切挑戰,涵蓋範圍從人工智慧驅動的顛覆性變革到經濟波動。AI LIVE:倫敦峰會將以「科技+人類使命」為主題,匯聚逾 2,000 位國際領袖,共同探討人工智慧新興時代的發展。隸屬於 BizClik 旗下的《AI Magazine》已公佈其於「AI LIVE:倫敦峰會」上舉辦的「人工智慧與工業自動化」聯合爐邊談話的與會陣容。該座談會定於 10





首頁






