IT之家 7 月 26 日消息，OpenAI 首席執行官山姆?阿爾特曼(Sam Altman)今天回復網(wǎng)友提問(wèn)，表示將于下周面向 ChatGPT Plus 用戶(hù)，開(kāi)放 Alpha 版本 GPT-4o 的語(yǔ)音模式(Voice Mode)，實(shí)現無(wú)縫聊天。

　　

 

　　

 

　　

 

　　IT之家今年 5 月報道，OpenAI 首席技術(shù)官穆里?穆拉蒂(Muri Murati)在演講中表示：

　　在 GPT-4o 中，我們訓練了跨文本、視覺(jué)和音頻的端到端全新統一模型，這意味著(zhù)所有輸入和輸出都由同一個(gè)神經(jīng)網(wǎng)絡(luò )處理。 由于 GPT-4o 是我們第一個(gè)結合所有這些模式的模型，因此我們在探索該模型的功能及其局限性方面仍處于起步階段。

　　OpenAI 公司原計劃今年 6 月底，邀請一小部分 ChatGPT Plus 用戶(hù)測試 GPT-4o 語(yǔ)音模式，但官方在 6 月宣布推遲，表示需要更多時(shí)間打磨該模型，提高該模型檢測和拒絕某些內容的能力。

　　根據此前曝光的信息，GPT-3.5 模型的平均語(yǔ)音反饋延遲為 2.8 秒，而 GPT-4 模型的延遲為 5.4 秒，因此在語(yǔ)音交流方面不太優(yōu)秀，而即將推出的 GPT-4o 可以極大地縮短延遲時(shí)間，近乎無(wú)縫對話(huà)。