OpenAI新语音模式让用户可以和手机对话，而不是对着手机说话

鞭牛士报道，8月18日消息，techcrunch编辑在过去一周使用了OpenAI的高级语音模式，以下为他的体验。

过去一周，我一直在试用OpenAI 的高级语音模式，这是我迄今为止对人工智能未来最有说服力的体验。本周，我的手机听到笑话后会大笑，然后回复笑话，问我今天过得怎么样，并告诉我过得很开心。我当时是在用 iPhone 说话，而不是用手操作它。

OpenAI 的最新功能目前处于有限的 alpha 测试阶段，它并没有让 ChatGPT 比以前更智能。相反，高级语音模式 (AVM) 使它更友好、更自然。它为使用人工智能和设备创建了一个新界面，让人感觉新鲜而兴奋，这正是让我害怕的地方。这个产品有点小问题，整个想法让我毛骨悚然，但令我惊讶的是，我真的很喜欢使用它。

退一步来说，我认为 AVM 符合 OpenAI 首席执行官 Sam Altman 的更广阔愿景，与代理一起，改变人类与计算机交互的方式，并以 AI 模型为中心。

「最终，你只需要向计算机提出你的需求，它就会为你完成所有这些任务。」Altman 在 2023 年 11 月的 OpenAI 开发日上说道。「这些功能在人工智能领域通常被称为代理。它带来的好处将是巨大的。」

我的朋友，ChatGPT

周三，我测试了这项我能想到的先进技术的最大优势：我让 ChatGPT 按照奥巴马的方式订购塔可钟 (Taco Bell)。

「呃，让我说清楚——我想要一份 Crunchwrap Supreme，也许再来几块玉米饼。」ChatGPT 的高级语音模式说道。「你觉得他会如何处理免下车取餐服务？」

ChatGPT 说道，然后对自己的笑话大笑起来。

屏幕截图：ChatGPT 随后转录了口头对话。

这种模仿也让我笑了起来，与奥巴马标志性的节奏和停顿相得益彰。尽管如此，它仍然保持了我选择的 ChatGPT 语音 Juniper 的音调，因此不会与奥巴马的声音混淆。它听起来就像一个朋友在模仿我，完全理解我想从中得到什么，甚至知道它在说一些有趣的事情。我发现与手机中的这个高级助手交谈出乎意料地快乐。

我还向 ChatGPT 寻求建议，以解决涉及复杂人际关系的问题：要求另一半搬来和我一起住。在解释了关系的复杂性和我们的职业方向后，我收到了一些关于如何发展的非常详细的建议。这些问题你永远无法向 Siri 或 Google 搜索提出，但现在你可以使用 ChatGPT。聊天机器人的声音在回答这些提示时甚至表现出一种略显严肃、温和的语气；与奥巴马点塔可钟快餐时的开玩笑语气形成鲜明对比。

ChatGPT 的 AVM 还非常适合帮助您理解复杂的主题。我要求它以 10 岁儿童能理解的方式分解收益报告中的项目（例如自由现金流）。它以柠檬水摊位为例，以我表弟完全能理解的方式解释了几个财务术语。您甚至可以要求 ChatGPT 的 AVM 放慢语速，以适应您当前的理解水平。

Siri 可以走路，所以 AVM 可以跑

与 Siri 或 Alexa 相比，ChatGPT 的 AVM 显然更胜一筹，因为它的响应时间更快、答案独特，并且能够回答上一代虚拟助手无法回答的复杂问题。然而，AVM 在其他方面存在不足。ChatGPT 的语音功能无法设置计时器或提醒、实时上网、查看天气或与手机上的任何 API 交互。至少目前，它还不是虚拟助手的有效替代品。

与谷歌的竞争功能Gemini Live相比，AVM 略胜一筹。Gemini Live 无法模仿，无法表达任何情感，无法加快或减慢速度，并且响应时间更长。Gemini Live 确实有更多声音（十个，而 OpenAI 只有三个），而且似乎更符合时下潮流（Gemini Live 知道谷歌的反垄断裁决）。值得注意的是，AVM 和 Gemini Live 都不会唱歌，这可能是为了避免与唱片业发生版权诉讼。

话虽如此，ChatGPT 的 AVM 故障很多（公平地说，Gemini Live 也是如此）。有时它会在句子中途中断，然后重新开始。它还会时不时发出这种奇怪、粗糙的声音，让人有点不愉快。我不确定这是型号、互联网连接还是其他问题，但这些技术缺陷对于 alpha 测试来说在某种程度上是意料之中的。不过，这些问题并没有影响我真正用手机通话的体验。

在我看来，这些例子就是 AVM 的魅力所在。该功能并不能让 ChatGPT 无所不知，但它确实允许人们以独特的人类方式与底层 AI 模型 GPT-4o 进行交互。（如果您忘记了电话另一端没有人，我会理解。）与 AVM 交谈时，ChatGPT 几乎感觉具有社交意识，但当然不是。它只是一堆整齐打包的预测算法。

谈论科技

坦率地说，这个功能让我担心。这不是科技公司第一次在手机上提供陪伴功能。我这一代人，Z 世代，是第一个伴随着社交媒体成长起来的一代人，社交媒体为人们提供了联系，但却利用了我们的集体不安全感。与人工智能设备交谈——就像 AVM 似乎提供的那样——似乎是社交媒体“手机中的朋友”现象的演变，它提供了廉价的联系，触动了我们的人类本能。但这一次，它完全将人类排除在外。

人工人类连接已成为生成式人工智能的一个意外流行用例。如今，人们将人工智能聊天机器人用作朋友、导师、治疗师和老师。当 OpenAI 推出其 GPT 商店时，它很快就被人工智能女友淹没，这些聊天机器人专门充当你的另一半。麻省理工学院媒体实验室的两名研究人员本月发出警告，要为上瘾智能做好准备，或者说人工智能伴侣具有黑暗模式，可以让人类上瘾。我们可能会打开潘多拉魔盒，让设备以新的、诱人的方式吸引我们的注意力。

本月初，一名哈佛大学辍学生发布了一款名为 Friend 的人工智能项链，震惊了科技界。这款可穿戴设备（如果能像承诺的那样工作）会一直在倾听，聊天机器人会通过短信告诉你你的生活。虽然这个想法看起来很疯狂，但 ChatGPT 的 AVM 等创新让我有理由认真对待这些用例。

虽然 OpenAI 在这方面处于领先地位，但谷歌也紧随其后。我相信亚马逊和苹果也在竞相将这种能力融入到他们的产品中，很快，它就会成为该行业的赌注。

想象一下，你向智能电视索要一部电影的超具体推荐，然后就能得到你想要的电影。或者告诉 Alexa 你感觉到的感冒症状，然后让它在亚马逊上为你订购纸巾和止咳药，同时为你提供家庭疗法建议。也许你可以让你的电脑为你的家人制定一个周末旅行计划，而不是手动谷歌搜索所有内容。

显然，这些行动需要在人工智能代理领域取得突破和飞跃。OpenAI 在这方面的努力，即 GPT 商店，感觉就像一款被过度炒作的产品，不再是该公司关注的重点。但 AVM 至少解决了与计算机对话这一难题。这些概念还有很长的路要走，但在使用 AVM 之后，它们似乎比上周更接近现实。