今年早些时候，OpenAI展示了其最先进版本的ChatGPT的更新语音模式，令用户震惊。这一高级语音模式与人们通常认为的Alexa或Siri等数字助理的机器人声音截然不同，听起来非常逼真。它不仅可以实时响应、适应被打断的情况，还可以在用户开玩笑时发出咯咯笑声，并根据说话者的语调判断情绪状态。
从周二开始，高级语音模式将开始向付费用户推出。此功能将率先向一小部分使用“Plus”模式的订阅者开放，目标是在秋季向所有Plus用户推广。ChatGPT此前已拥有一种不太复杂的语音模式，但这一更先进的版本可能标志着OpenAI的一个重大转折点，将其变为更类似于虚拟个人助理的工具，用户可以像与朋友聊天一样进行自然的口头对话。
使用ChatGPT先进语音模式的便利性可能会鼓励用户更频繁地使用该工具，并对Apple和Amazon等虚拟助理企业构成挑战。然而，为ChatGPT引入更先进的语音模式也带来了一些问题：该工具能否可靠地理解不同语音差异的用户意图？即使AI助手出错，用户是否更倾向于信任听起来像人类的AI助手？
OpenAI表示，计划于6月开始推出高级语音模式，但需要“再等一个月才能达到发布标准”，以测试该工具的安全性并确保它能够被数百万人使用，同时仍能保持实时响应。该公司周二发布的声明称，近几个月来，它已经与100多名测试人员一起试用了AI模型的语音功能，测试人员共讲45种不同的语言，代表29个不同的地区。
作为其安全措施的一部分，OpenAI表示，语音模式将无法使用超过四种声音的任何声音，这是与配音演员合作创建的预设选项——以避免冒充——并且还将阻止某些旨在生成音乐或其他受版权保护音频的请求。OpenAI表示，该工具还将具有与ChatGPT文本模式相同的保护措施，以防止其生成非法或“有害”内容。
高级语音模式与OpenAI5月展示的演示版相比还有一个重大区别：用户将无法再使用许多人（包括演员本人）认为听起来像斯嘉丽·约翰逊的声音。尽管OpenAI坚称该声音从未打算听起来像约翰逊，而是在另一位演员的帮助下创作的，但在演员抱怨后，它“出于尊重”暂停使用该声音。
