ChatGPT正演变为远超文本搜索引擎的存在，OpenAI宣布今天将新的语音和基于图像的智能功能加入其中。
这款广受欢迎的生成式人工智能助手自大约九个月前首次亮相以来，一直是近年来最重大的技术成功故事之一。它允许任何人通过简单的文本提示生成文章、诗歌和摘要；而现在，ChatGPT即将变得更加互动，用户还可以与聊天机器人进行语音对话。
这一宣布恰逢亚马逊承诺向OpenAI的竞争对手Anthropic投资高达40亿美元之际。此举构成了全球科技巨头之间更大规模生成式人工智能竞争的一部分：Google试图通过其Bard聊天机器人追赶，Meta采用坚定的开源理念以助其抢占先机，以及Microsoft与OpenAI本身紧密结盟。
对话开场白
今天标志着生成式人工智能运动的一个重要演变，OpenAI将熟悉的语音助手世界与其强大的大型语言模型（LLM）相结合。
例如，用户可以口头要求ChatGPT即时编一个睡前故事，并通过几个语音提示来引导叙事；或者用户可以直接向它提问，ChatGPT将以口语形式给出回答。
此外，ChatGPT用户还可以使用图像搜索答案，例如上传一张图片并询问ChatGPT解释其内容，或提供完成目标的指导。
该语音功能由一种新的文本转语音模型驱动，能够从文本和几秒的采样语音中生成类人声音。OpenAI表示，它与经验丰富的配音演员合作创建了五种不同的声音，并利用其开源Whisper语音识别系统用于将口头表达转录为文本。
Spotify也被宣布为启动合作伙伴，这家音乐流媒体巨头推出了一项新功能，允许播客录制自己的声音样本，并将节目从英语翻译成西班牙语、法语或德语——同时保留他们原本的声音。然而，似乎OpenAI正小心翼翼地避免引发批评，因为它并未向所有人开放这项技术——在启动阶段，它专门与包括Dax Shepard、Monica Padman、Lex Fridman、Bill Simmons和Steven Bartlett在内的播客进行了合作。
该公司在博客文章中写道：“这种新的语音技术——仅需几秒的真实语音即可制作出逼真的合成声音——为许多创意和注重无障碍的应用打开了大门。”“然而，这些能力也带来了新的风险，例如恶意行为者冒充公众人物或实施欺诈的可能性。”
新功能将在未来两周内开始面向付费Plus和企业版订阅用户提供。要激活语音功能，用户需要进入应用的“设置”菜单，然后前往“新功能”并选择加入语音对话；随后，点击右上角的耳机按钮，并选择所需的语音。
语音功能最初将仅限在ChatGPT Android和iOS应用中以可选测试版形式提供，而图像搜索功能将默认在所有平台上推出。