ChatGPT的新语音模型越来越像人类对话，但存在风险

开放AI公司开始为ChatGPT推出两个新的语音模型，即GPT-Live-1和迷你版本。这些更新使ChatGPT能够同时听力和说话，包括直接翻译。

CNET于7月9日星期四援引，称这两款新车型可供所有ChatGPT用户使用，包括免费用户和付费用户。访问是通过移动应用程序和网站提供的。

OpenAI正在更新其语音技术ChatGPT，使其接近其基于文本的人工智能的能力。用户还可以根据所需的答案深度选择三个智能级别。

ChatGPT语音产品负责人Atty Eleti表示，最大的变化是声音听起来更人性化，更像是对话。

该更新背后的一个关键技术被称为持续交互。该系统允许AI同时接收信息并产生答案。

在语音模式下，ChatGPT可以同时“听”和“说”。这与之前的语音模式不同，后者只有在用户完成说话后才会响应。

这种能力对于直接翻译至关重要。用户可以说英语，然后ChatGPT将其翻译成西班牙语，印地语或其他语言，并稍作停顿。

这项新架构还可以将任务分解为 OpenAI 的前沿模型。前沿模型是指用于处理更复杂任务的最新 AI 模型。

GPT-Live模型研究负责人Kundan Kumar表示，GPT-Live可以与用户保持对话，同时将复杂的推理交给GPT-5.5。

“当GPT-Live必须为一个问题想出答案时，这个模型可以将推理和复杂任务委托给GPT-5.5，它可以并行地做很多事情，而GPT-Live仍然可以继续与用户交谈，”Kumar说。

之后，答案将被重新组装成对话响应。

“这就像人类相互交流的方式，”埃莱蒂说。 “我们继续进行对话，同时在幕后思考。”

这个新的语音模型也可以在某些情况下显示视觉答案。根据Eleti的说法，有时最好的答案不是口头的，而是显示的。例如，天气报告，运动成绩或图表。

OpenAI表示，推出是分阶段进行的。如果用户还没有看到此功能，则访问权限可能会在一两天内出现。此更新与预计于周四推出的GPT-5.6系列的推出是分开的。

说话方式也有变化。现在，AI的声音可以使用填充词，如“um”，“er”和“like”，就像说话时思考的人一样。

用户还可以通过更短的延迟来打断AI的响应。ChatGPT可以设置为沉默，只听，然后在被唤醒时以呼唤字或激活字的形式回应。

与Siri和Alexa不同，ChatGPT将继续主动收听，直到用户手动关闭它。

OpenAI表示，在使用语音模式时，用户不会自动参与AI培训。音频剪辑存储30天，以便系统具有以前对话的上下文，并且可以删除。

然而，人工智能的声音越来越人性化也带来了风险。CNET指出，已经有一些案例和诉讼与人工智能人性化的负面影响有关，特别是对于那些面临心理健康问题的人。

OpenAI表示，新模型具有扩展的保护。该公司还表示，该模型在关键安全领域的表现优于以前的模型，包括自我伤害、精神病、暴力和色情内容。