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
亞馬遜推出人工智慧購物助理,服務對象包含 Kate Spade 等零售商
亞馬遜正透過基於 AWS 打造的全新「Agentic 購物助理」,將其人工智慧購物功能擴展至外部零售商,而 Kate Spade 則是首批採用此服務的品牌之一。這項服務讓零售商能夠為自家網站和應用程式打造 AI 購物助理。據亞馬遜表示,每次部署皆可根據零售商的產品目錄、客戶群、購物環境及品牌語調進行客製化調整。這項服務基於最初為亞馬遜自家線上商店開發的技術,現已將「Alexa for Shoppi
貝恩公司:深入解析 4.7 兆美元的人工智慧利潤轉移
鄧尼根·奧基夫(Dunigan O’Keeffe),貝恩公司(Bain & Company)策略與轉型業務部門合夥人,同時也是該報告的主要作者。圖片來源:貝恩公司貝恩公司合夥人杜尼根·奧基夫(Dunigan O’Keeffe)深入探討橫跨四大產業群組、總額達4.7兆美元的人工智慧利潤轉移現象,並闡述為何執行長們必須將視野拓展至生產力之外貝恩公司(Bain & Company)最新報告揭示,2025
據報道,OpenAI 的首款硬體裝置是一款無螢幕的移動音箱
報道指出,OpenAI 的首個硬體專案是一款移動智慧音箱,其整合了可與 ChatGPT 同步的人工智慧,以提供多種家庭自動化服務。據彭博社週二報道,該裝置目前正處於開發階段,無螢幕設計,內部定位為“類人 AI 伴侶”,旨在融入家庭生活。OpenAI 此前曾表達過釋出硬體產品的興趣,外界猜測其計劃推出一款專有的手機,直接與蘋果展開競爭。據知情人士向彭博社描述,這款新裝置與傳統智慧音箱不同,它擁有“個性”,並能隨時間推移主動學習使用者偏好。它將訪問使用者的數字生態系統,包括電子郵件,以提供高度個性
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。
亞馬遜推出人工智慧購物助理,服務對象包含 Kate Spade 等零售商
亞馬遜正透過基於 AWS 打造的全新「Agentic 購物助理」,將其人工智慧購物功能擴展至外部零售商,而 Kate Spade 則是首批採用此服務的品牌之一。這項服務讓零售商能夠為自家網站和應用程式打造 AI 購物助理。據亞馬遜表示,每次部署皆可根據零售商的產品目錄、客戶群、購物環境及品牌語調進行客製化調整。這項服務基於最初為亞馬遜自家線上商店開發的技術,現已將「Alexa for Shoppi
貝恩公司:深入解析 4.7 兆美元的人工智慧利潤轉移
鄧尼根·奧基夫(Dunigan O’Keeffe),貝恩公司(Bain & Company)策略與轉型業務部門合夥人,同時也是該報告的主要作者。圖片來源:貝恩公司貝恩公司合夥人杜尼根·奧基夫(Dunigan O’Keeffe)深入探討橫跨四大產業群組、總額達4.7兆美元的人工智慧利潤轉移現象,並闡述為何執行長們必須將視野拓展至生產力之外貝恩公司(Bain & Company)最新報告揭示,2025
據報道,OpenAI 的首款硬體裝置是一款無螢幕的移動音箱
報道指出,OpenAI 的首個硬體專案是一款移動智慧音箱,其整合了可與 ChatGPT 同步的人工智慧,以提供多種家庭自動化服務。據彭博社週二報道,該裝置目前正處於開發階段,無螢幕設計,內部定位為“類人 AI 伴侶”,旨在融入家庭生活。OpenAI 此前曾表達過釋出硬體產品的興趣,外界猜測其計劃推出一款專有的手機,直接與蘋果展開競爭。據知情人士向彭博社描述,這款新裝置與傳統智慧音箱不同,它擁有“個性”,並能隨時間推移主動學習使用者偏好。它將訪問使用者的數字生態系統,包括電子郵件,以提供高度個性





首頁






