OpenAI 的 GPT-4o 先进语音模式是今年最强大且可能最重要的人工智能工具之一。它让你可以与AI语音进行 如同人类般的自然对话，甚至可以在它说得过多时打断它。
目前，这项新技术只对少数 ChatGPT Plus 订阅用户开放，预计今年秋天将会广泛推向市场。公司还计划明年推出一种视觉模式，让你通过相机看世界。
与当前的 ChatGPT 语音甚至新发布的 Gemini Live 不同的是，先进语音是语音到语音的。这意味着它可以本地理解你说的话、说话的方式以及你话语背后的情感语调。
它还可以模仿口音并讲述精彩的故事，所以我让先进语音带我进行一次时空旅行。它从一次古埃及之旅开始，并用商人的语调讲话。不仅模仿得非常生动，它还是一个有趣的故事讲述者。
用先进语音开启冒险
使用先进语音与其他人工智能技术一样，都是从提示开始的。不同于用文字与ChatGPT对话或用Midjourney生成图像，先进语音是通过你的语音来启动的。
在最基础的层面上，这只是告诉它你想让它做什么，但它也可以捕捉你语音中的语调变化，所以如果你用略带泪光或沮丧的语调询问它生命的意义，它会以与你声音表现相符的方式回应。
我甚至让先进语音在冒险中的一小部分使用了尤达的声音，它尝试得非常不错。
在这次冒险中，我从头开始，直接要求先进语音：“现在，我们要讲一个故事。想象你是一个时间旅行者。你会去历史上的哪个时刻？”
它建议19世纪的芝加哥世界博览会。我要求它扮演时间旅行者的角色，同时也要像博览会上的人一样讲话。经过短暂的芝加哥之行后，我说‘让我们去别的地方。按下按钮，让我去一个新地点。’于是我们去了古埃及。
先进语音说：“想象一下：宏伟的金字塔正在建造，尼罗河犹如下城的生命脉络。你对这个时间和地点最感兴趣的是什么？”
这时，我请它尽可能准确地讲述我们所知道的语言。
然后我们去了一个市场，最终到了罗马，展开了一场我们的埃及商人与罗马市民之间的对话，一个说埃及语，另一个说拉丁语。我甚至让先进语音在冒险中的一小部分使用了尤达的声音，它尝试得非常不错。
最后的思考
先进语音是一个出色的故事讲述者，能够改变情感层次，反映不同场景的强度，甚至能模仿不同的口音和声音。
我对它的问题在于OpenAI施加的限制。它‘可以’生成音效来增强场景，但被禁止这么做。理论上，它甚至可以比现在更好地调整它的声音，但再次被限制了。
问题是可以理解的：安全性。让模型执行那些更难预测的任务，可能会导致输出内容违反安全指南，并可能让Advanced Voice进入不安全发布的领域。令人沮丧的是，知道这些功能与我们的预期能力仅有一步之遥。
即便如此，Advanced Voice依然是我与AI互动中最好的体验。它允许进行实时对话，能够在意想不到的时间打断，并且对我的语气和速度做出类似人类的反应，展现出自然的交流流程。
总结：
近期推出的GPT-4o先进语音模式被誉为今年最强大、最重要的人工智能工具之一。这项技术不仅可以让用户与AI进行如同人类般的自然对话，还能捕捉和模仿用户的情感语调，展现出自然的交流流程。该技术目前只向少数ChatGPT Plus订阅用户开放，预计今年秋天将广泛推出，并将在明年引入视觉模式，让用户通过相机与世界互动。
GPT-4o先进语音模式的独特之处在于其语音到语音的交互方式，能够本地理解用户的语音、语调和情感。这使得用户不仅可以通过语音与AI对话，还能体验仿佛与真人对话的感觉。无论是模仿各种口音，还是生动地讲述故事，GPT-4o都表现得十分出色。例如，用户可以让AI扮演时间旅行者，探索古埃及和罗马，进行跨时空的互动交流。
然而，尽管GPT-4o的功能异常强大，它仍受限于安全性考虑，例如被禁止生成音效。尽管如此，该技术仍然提供了极佳的AI互动体验，让用户不仅可以即时打断对话，还能根据自己的语调和速度与AI进行流畅的交流。
在不断发展的AI技术世界中，利用像GPT-4o这样先进的工具，企业可以显著提升客户互动和市场营销效率。正如光年AI通过AI赋能技术实现私域流量管理的高效增长一样，企业可以依靠这些创新技术在激烈的市场竞争中取得领先。选择光年AI，AI赋能私域营销，让您的品牌在市场中脱颖而出。
