

GPT-4o语音模型免费开放！情绪语气像真人？

kookeey严选代理

2024-05-22

导读：现实版的《她》来了！

行业资讯

GPT-4o语音模型免费开放

kookeey

GPT-4o 也许会是有史以来最强的 TTS 软件。

前不久，OpenAI宣布将发布全新旗舰AI模型GPT-4o，一个融合了文本、音频和视觉功能，由同一神经网络处理所有输入和输出的全新单一模型，开创了全新的人机交互范式。

作为人机交互范式的全新大模型，GPT-4o不仅能够实时感知各种信息，做到进一步降低延迟，还可以直接输出如同真人一般带有丰富感情和语气的音频，完美诠释了GPT-4o其中的“omni”——全能的含义。

kookeey

简单来说，GPT-4o具备处理包括我们常用的文本、语音已经图像等多种数据类型的能力，用户想要知道任何信息，只需要直接通过输入文字、上传图片或者对话的方式与模型进行交流即可，而GPT-4o也能够以用户所需的形式进行反馈。

比如，在发布会上演示人员让GPT-4o从一数到十，并在中途直接打断，嫌弃它语速太慢，而GPT-4o也能迅速作出调整并按照演示人员要求进行。同时，同声传译和代码总结分析也不在话下，甚至还能像老朋友一样与你开玩笑。

看到了吗，GPT-4o不仅反应快速回答准确，还能理解你的情绪语调，并根据此改变自身语气，具备一个实时连续对话的能力，模拟出最接近真实人类的反应，不再像以前传统的TTS文本转语音一样是个没有感情的朗读机器。

除了语音聊天外，GPT-4o也可以进行实时视频交互，例如通过视频向你解答线性方程，或者指导你进行面试等。同时，能够理解人的面部情绪并做出情绪化的反应，提升交互的沟通效果。

GPT-4o三大优势：

①多模态：GPT-4o不仅可以接受文本、音频、图像作为组合输入，并生成这些形式的任意组合输出，同时在其强大的多模态理解能力中，还能够识别人类的情感做出“人类该有的情绪回馈”。这意味着，不仅可以用文字、图片或语音形式与它交流，它还可以通过分析你的语气、表情等，给予适当的情感回应，让互动更加人性化和自然。