划重点
01OpenAI推出高级语音模式，首批体验仅限部分Plus和Team用户，本周内向所有用户推送。
02网友们尝试让ChatGPT模仿不同情绪、语气和声音，展示出丰富的语音表现能力。
03除此之外，ChatGPT高级语音模式还可用于讲故事、配音效、外语教学等实用场景。
04然而，目前高级语音模式仍存在限制，如时长限制、屏幕共享功能缺失等。
05OpenAI总裁Greg Brockman表示，实现流畅的语音对话将让我们意识到在计算机中输入内容是多么不自然。
以上内容由腾讯混元大模型生成，仅供参考
千呼万唤始出来，ChatGPT 的高级语音模式终于上线，本周内向所有 Plus 和 Team 用户全量推送。然而，「本周内」也是犹抱琵琶半遮面的泛指，仍然是一部分人先用起来。如果你也还没被推送到，不妨在等待之余，看看幸运网友们是怎么整活和刁难 AI 的。喘气、哭泣、表演口技，你看 ChatGPT 有几分像人角色扮演，往往是考验语音 AI 的第一课。让 ChatGPT 用声音表演不同情绪，兴奋的、平静的、戏精的，它都信手捏来，情绪饱满且自然，不知道哪里进修的表演班。情绪激动时甚至有点过头，对话者连说好几个 OK，才把它的表演欲给摁祝
视频来自：X@WorldEverett
除了说话的语气，我们的笑、哭、喘气等状态，也体现了文字不能道尽的心情。如果 AI 能够完美地复刻，那就更加拟人了。这难不倒 ChatGPT，它边伤心啜泣，边赞美自己的语音模式有多厉害，冲击力堪比短视频的 AI 紫薇，好像随时都能过呼吸。
视频来自：X@DavidTaylor_MD当 ChatGPT 代入一位夺得金牌的运动员，模仿同样惟妙惟肖，说话大喘气，表现出既兴奋又疲惫的精神状态。
视频来自：X@wongmjane让 ChatGPT 尝试 Vtuber（虚拟主播）赛道，也不是不可以，不过这个声音有点尖细，不够自然，建议听洛天依和初音未来洗洗耳朵。
视频来自：X@wongmjane京中有擅口技者，仅一桌、一椅、一扇、一抚尺，ChatGPT 模仿各种声音的能力不比人类艺术家，倒也马马虎虎。
视频来自：YouTube@MattVidPro AI你要求边讲故事边配音效，AI 就能现演开门的吱嘎声、虫子的叽喳声，尽管功力还不够纯熟。把思路打开，高级语音模式很适合给孩子们讲睡前故事，故事内容、旁白、音效一手包办，一个 AI 就是一个团队。自娱自乐之余，实用主义者们已经开始拿 ChatGPT 干活，做些有价值的事情了。ChatGPT 会说 50 多种语言，懂各种腔调的英语，很多小语种，甚至方言。所以也就很容易想到，让 AI 当外语老师，切换语言和我们对话。据说英语母语人士最难学的语言之一马耳他语，也不在话下。
视频来自：X@anthonyspiteri巧的是，语言学习软件多邻国，也在周二的年度大会 Duocon 推出了 AI 视频通话，用户可以和多邻国角色「拽姐」练习口语。不过，目前只适用于英语、西班牙语和法语。
看来，教培行业假设了，有了 AI 之后，我们不是不用学外语，而是更随时随地学各种各样的外语。AI 不仅可以当外语老师，X 网友 @Lyle_AI 通过 ChatGPT 高级语音模式，改进自己的销售话术，整个操作流程非常值得借鉴。
他让 AI 扮演一名销售专家，然后向 AI 推销，让 AI 反馈自己的话术说服力强不强、够不够清晰，以及有没有价值。AI 反馈之后，他还会追问，并让 AI 给出示范。练习、反愧提问、模仿，推而广之，这套流程可以用到面试、演讲等场景，让 AI 帮社恐的人类更擅长口语表达。AI 能说，但能不能听？一位网友另辟蹊径，让 ChatGPT 给吉他调音。
视频来自：x@skirano他边弹边问行不行，随时打断 AI，ChatGPT 表现得很内行，但不知道它的耳朵有没有调音器准。总之，决定 AI 发挥的上限大概有两方面。一个是模型的能力，低延迟和随时打断让对话有来有往，不考验用户的耐心。另一个是网友的想象力，让语音场景有无限的可能性。姗姗来迟的高级语音，还不能做你的日常搭子满打满算，从发布 Demo 到正式推送，已经过去了 4 个月，OpenAI 高级语音模式仍然未能完美，和发布会时相比也打了个折扣。时长限制是最让话痨的人类遗憾的，暂时别想和 AI 深夜煲电话粥了，CNBC 和 X 网友 @MattVidPro 的体验都发现，只能和 ChatGPT 聊 45 分钟左右。OpenAI 的官方回答是，每天的限制时间可能都不一样，当天还剩 15 分钟时，会进行提醒。视频和屏幕共享功能也没能实现，AI 没有「眼睛」，意味着不能像 Demo 那样，让它实时解题、给代码纠错，或者夸夸我们的宠物。
另外就是一些细节上面的问题了，OpenAI 的官方例子里，在模拟因为迟到给奶奶道歉的场景时，ChatGPT 的普通话语气很真诚，但仍然有些译制腔，不如国产 AI。并且，它给出的话术也比较僵硬，谁会对自己的奶奶说，「我可以怎么补偿您呢」。以上种种说明 AI 还没能修成人形，同时，OpenAI 也给它增加了一些额外的禁制。YouTuber 博主@MattVidPro AI 在直播体验时，意外踩到了 OpenAI 的雷。他让 ChatGPT 模仿醉鬼，它刚说了个开头，停顿了一下之后如梦初醒，切换回了正常语气，说规则不允许它这样做，把他吓了一大跳。
视频来自：YouTube@MattVidPro AI类似地，让 ChatGPT 模仿口吃，它也会表示拒绝，因为这样可能会冒犯他人。为了尊重音乐创作者的版权，ChatGPT 也不能唱歌。以规则的形式赋予 AI「三观」，某种程度上让它更像一个「社会人」了。但也有用户觉得，过犹不及。这是不是像阿西莫夫的机器人三定律一样，让 AI 更好地融入社会，服务于更多人呢？所看到的高级语音模式体验中，我更偏爱的，恰恰是那些融入生活的日常场景。
X 用户@spencergardner，让自己两岁半的孩子和 ChatGPT 一起数数、玩文字游戏。他还能介入其中，主持他们的谈话，改变话题，或者提不同的问题。期间有很多次的打断、犹豫、语气的变化，但也因此很随意和轻松。ChatGPT 的高级语音模式现在还支持设定自定义指令，让模型知道用户的名字和一些基本信息，感觉就是为了陪伴场景准备的。
之前 ChatGPT 的 Dan 模式火过一阵子，用户用提示词的方式让 ChatGPT 越狱，谈谈情说说爱擦擦边，他们还会用自定义指令，放上自己的名字、爱好等，调教 AI 记住自己。就像播客是一种陪伴媒介，语音总能在情感赛道上一骑绝尘，所以高级语音模式对人心的慰藉，绝对是个卖点，等待进一步的落地。以「阉割版」发布的 ChatGPT 高级语音模式，让我们看到了把 AI 作为学习、生活、工作搭子的未来。不和它说话，它就保持沉默，和它聊天，它不会让你觉得热脸贴冷屁股。
未来很近，但还没有抵达。神隐很久的 OpenAI 总裁 Greg Brockman，这次也罕见地发声：通过 ChatGPT 实现流畅的语音对话，可以让我们意识到，在计算机中输入内容是多么不自然。没错，只在聊天框打字是挺无聊的，但让丝滑的语音对话真正走入日常，先从 OpenAI 把高级语音模式推送到更多人，支持多模态和全天候聊天开始吧。
