OpenAI的GPT-Live正竞相让AI语音对话感觉更真实

OpenAI今天开始为ChatGPT部署一种名为GPT-Lite的新语音模型，称其使人机语音交互感觉更加自然。该公司宣布了此次发布，并表示该功能将立即可用于ChatGPT。 minimax-speech-28-brings-human-warmth-to-ai-voices-with-native-filler-words-and-high-fidelity-cloning

“推出GPT-Live，新一代用于自然人机交互的语音模型，”OpenAI在简短公告中写道。该帖子补充说，用户“会想为这个打开声音”，表明该更新的音频原生特性。

向对话式AI的转变

语音接口已成为AI行业日益增长的优先事项。OpenAI通过其Whisper模型在语音识别和语音合成方面投入了大量资金，GPT-Live似乎将这一工作扩展到实时交互。该模型旨在比以前版本的ChatGPT语音模式更流畅地处理对话中的细微差别、语调、节奏和打断。 the-benchmark-that-made-language-models-speak-how-2018s-glue-bet-changed-ai-forever

此次发布正值竞争对手也在推进语音技术。谷歌今年早些时候宣布的Gemini Live和亚马逊的Alexa Plus都旨在创建超越简单命令-响应模式的语音优先AI助手。OpenAI的举措将GPT-Live定位为该领域的直接竞争对手，尽管该公司尚未公开模型架构、训练数据或延迟基准等技术细节。

为何语音对AI采用至关重要

语音交互消除了AI采用的一个关键摩擦点：打字。用户可以自然地说话，提出后续问题，无需屏幕即可进行对话。这开启了在打字不切实际的无手环境（如烹饪、驾驶或工作）中的用例。

“语音是我们拥有的最自然接口，”一位熟悉该领域的产品分析师表示。“每个主要AI实验室都在竞相做好它，因为赢家可能定义数十亿人如何日常与AI交互。”

ChatGPT现有的语音模式之前被认为功能有限，适合简单查询，但容易出现尴尬的停顿和生硬的响应。GPT-Live旨在通过一种更专注聆听、更会话式回应的模型来缩小这一差距。 how-local-llms-like-gemma-and-qwen-are-taming-open-source-repository-triage-at-scale

接下来会发生什么

OpenAI尚未公布更广泛可用性的时间表，也未说明GPT-Live是否会限于付费的ChatGPT Plus订阅用户或免费用户。该公司也未披露与新语音模型相关的定价变化或数据使用政策。 anthropic-updates-usage-policy-new-rules-for-high-risk-ai-applications

GPT-Live从今天起可在ChatGPT中使用。有权限的用户将能够在设置菜单中启用它。