ChatGPT高级语音模式首批体验来了，但还是个阉割版

千呼万唤始出来，ChatGPT的高级语音模式终于上线，本周内向所有Plus和Team用户全量推送。

然而，“本周内”也是犹抱琵琶半遮面的泛指，仍然是一部分人先用起来。

如果你也还没被推送到，不妨在等待之余，看看幸运网友们是怎么整活和刁难AI的。

喘气、哭泣、表演口技，你看ChatGPT有几分像人

角色扮演，往往是考验语音AI的第一课。

让ChatGPT用声音表演不同情绪，兴奋的、平静的、戏精的，它都信手捏来，情绪饱满且自然，不知道哪里进修的表演班。

情绪激动时甚至有点过头，对话者连说好几个OK，才把它的表演欲给摁住。

视频来自：X@WorldEverett

除了说话的语气，我们的笑、哭、喘气等状态，也体现了文字不能道尽的心情。如果AI能够完美地复刻，那就更加拟人了。

这难不倒ChatGPT，它边伤心啜泣，边赞美自己的语音模式有多厉害，冲击力堪比短视频的AI紫薇，好像随时都能过呼吸。

视频来自：X@DavidTaylor_MD

当ChatGPT代入一位夺得金牌的运动员，模仿同样惟妙惟肖，说话大喘气，表现出既兴奋又疲惫的精神状态。

视频来自：X@wongmjane

让ChatGPT尝试Vtuber（虚拟主播）赛道，也不是不可以，不过这个声音有点尖细，不够自然，建议听洛天依和初音未来洗洗耳朵。

视频来自：X@wongmjane

京中有擅口技者，仅一桌、一椅、一扇、一抚尺，ChatGPT模仿各种声音的能力不比人类艺术家，倒也马马虎虎。

视频来自：YouTube@MattVidPro AI

你要求边讲故事边配音效，AI就能现演开门的吱嘎声、虫子的叽喳声，尽管功力还不够纯熟。

把思路打开，高级语音模式很适合给孩子们讲睡前故事，故事内容、旁白、音效一手包办，一个AI就是一个团队。

自娱自乐之余，实用主义者们已经开始拿ChatGPT干活，做些有价值的事情了。

ChatGPT会说50多种语言，懂各种腔调的英语，很多小语种，甚至方言。

所以也就很容易想到，让AI当外语老师，切换语言和我们对话。据说英语母语人士最难学的语言之一马耳他语，也不在话下。

视频来自：X@anthonyspiteri

巧的是，语言学习软件多邻国，也在周二的年度大会Duocon推出了AI视频通话，用户可以和多邻国角色“拽姐”练习口语。不过，目前只适用于英语、西班牙语和法语。

看来，教培行业假设了，有了AI之后，我们不是不用学外语，而是更随时随地学各种各样的外语。

AI不仅可以当外语老师，X网友@Lyle_AI通过ChatGPT高级语音模式，改进自己的销售话术，整个操作流程非常值得借鉴。

他让AI扮演一名销售专家，然后向AI推销，让AI反馈自己的话术说服力强不强、够不够清晰，以及有没有价值。AI反馈之后，他还会追问，并让AI给出示范。

练习、反馈、提问、模仿，推而广之，这套流程可以用到面试、演讲等场景，让AI帮社恐的人类更擅长口语表达。

AI能说，但能不能听？一位网友另辟蹊径，让ChatGPT给吉他调音。

视频来自：x@skirano

他边弹边问行不行，随时打断AI，ChatGPT表现得很内行，但不知道它的耳朵有没有调音器准。

总之，决定AI发挥的上限大概有两方面。

一个是模型的能力，低延迟和随时打断让对话有来有往，不考验用户的耐心。

另一个是网友的想象力，让语音场景有无限的可能性。

姗姗来迟的高级语音，还不能做你的日常搭子

满打满算，从发布Demo到正式推送，已经过去了4个月，OpenAI高级语音模式仍然未能完美，和发布会时相比也打了个折扣。

时长限制是最让话痨的人类遗憾的，暂时别想和AI深夜煲电话粥了，CNBC和X网友@MattVidPro的体验都发现，只能和ChatGPT聊45分钟左右。

OpenAI的官方回答是，每天的限制时间可能都不一样，当天还剩15分钟时，会进行提醒。

视频和屏幕共享功能也没能实现，AI没有“眼睛”，意味着不能像Demo那样，让它实时解题、给代码纠错，或者夸夸我们的宠物。

另外就是一些细节上面的问题了，OpenAI的官方例子里，在模拟因为迟到给奶奶道歉的场景时，ChatGPT的普通话语气很真诚，但仍然有些译制腔，不如国产AI。

并且，它给出的话术也比较僵硬，谁会对自己的奶奶说，“我可以怎么补偿您呢”。

以上种种说明AI还没能修成人形，同时，OpenAI也给它增加了一些额外的禁制。

YouTuber博主@MattVidPro AI在直播体验时，意外踩到了OpenAI的雷。

他让ChatGPT模仿醉鬼，它刚说了个开头，停顿了一下之后如梦初醒，切换回了正常语气，说规则不允许它这样做，把他吓了一大跳。

视频来自：YouTube@MattVidPro AI

类似地，让ChatGPT模仿口吃，它也会表示拒绝，因为这样可能会冒犯他人。为了尊重音乐创作者的版权，ChatGPT也不能唱歌。

以规则的形式赋予AI“三观”，某种程度上让它更像一个“社会人”了。但也有用户觉得，过犹不及。

这是不是像阿西莫夫的机器人三定律一样，让AI更好地融入社会，服务于更多人呢？

所看到的高级语音模式体验中，我更偏爱的，恰恰是那些融入生活的日常场景。

X用户@spencergardner，让自己两岁半的孩子和ChatGPT一起数数、玩文字游戏。他还能介入其中，主持他们的谈话，改变话题，或者提不同的问题。

期间有很多次的打断、犹豫、语气的变化，但也因此很随意和轻松。

ChatGPT的高级语音模式现在还支持设定自定义指令，让模型知道用户的名字和一些基本信息，感觉就是为了陪伴场景准备的。

高级语音可以结合虚拟角色使用，更有陪伴感了。图片来自：X@op7418

之前ChatGPT的Dan模式火过一阵子，用户用提示词的方式让ChatGPT越狱，谈谈情说说爱擦擦边，他们还会用自定义指令，放上自己的名字、爱好等，调教AI记住自己。

就像播客是一种陪伴媒介，语音总能在情感赛道上一骑绝尘，所以高级语音模式对人心的慰藉，绝对是个卖点，等待进一步的落地。

以“阉割版”发布的ChatGPT高级语音模式，让我们看到了把AI作为学习、生活、工作搭子的未来。不和它说话，它就保持沉默，和它聊天，它不会让你觉得热脸贴冷屁股。

未来很近，但还没有抵达。

神隐很久的OpenAI总裁Greg Brockman，这次也罕见地发声：

通过ChatGPT实现流畅的语音对话，可以让我们意识到，在计算机中输入内容是多么不自然。

没错，只在聊天框打字是挺无聊的，但让丝滑的语音对话真正走入日常，先从OpenAI把高级语音模式推送到更多人，支持多模态和全天候聊天开始吧。

本文来自微信公众号：APPSO （ID：appsolution），作者：APPSO