今年在5月中旬公布GPT-4o 人工智慧模型時，當時提及能以自然聲音 進行互動的語音 對話模式，目前已經開始向部分ChatGPT Plus付費 用戶提供alpha版本測試，預計會在今年秋季向所有ChatGPT Plus用戶提供使用。

依照OpenAI 說明，此語音對話模式透過超過100個外部紅隊 (Red Team)以45種語言進行測試，確認使用上不會有安全等爭議問題，而目前提供語音選項包含「Cove」、「Juniper」、「Breeze」與「Ember」，不包含先前被質疑與演員史嘉蕾喬韓森 (Scarlett Johansson)聲音相仿的「Sky」。

在進一步解說中，Open AI表示在GPT-4o推出前的語音對話模式平均延遲，在GPT-3.5約為2.8秒，在GPT-4則約為5.4秒，主要是透過三個獨立模型運作構成，其中包含將音訊轉為文字 ，由GPT-3.5或GPT-4分析文字、做出回應，再將回應文字轉為語音念出，而此次推出的GPT-4o則是透過單一模型即可完成音訊轉文字、文字分析與文字轉音訊三個流程，因此能以相比GPT-4 Turbo約2倍快速度完成運作。

由於花費更短時間完成過往需要三個模型才能完成的工作流程，因此代表GPT-4o將能進一步分析使用者所發出語調、表情，進而判斷背後所代表情感，例如判斷使用者當下情緒是否開心，或是悲傷難過等。

We’re starting to roll out advanced Voice Mode to a small group of ChatGPT Plus users. Advanced Voice Mode offers more natural, real-time conversations, allows you to interrupt anytime, and senses and responds to your emotions. pic.twitter.com/64O94EhhXK

— OpenAI (@OpenAI)July 30, 2024

《原文刊登於合作媒體mashdigi，聯合新聞網獲授權轉載。》