美東時間9月25日，OpenAI在官網宣布，對ChatGPT進行重磅升級實現看圖、聽聲音、輸出語音內容三大功能。

早在今年3月OpenAI發布GPT-4模型時，就展示過看圖的功能，但由于安全、功能不完善等原因一直沒有開放。現在不僅開放了看圖，連識別聲音也來了，這是OpenAI實現AGI（通用人工智能）戰略重要技術環節。

OpenAI表示，在接下來的兩周內，向Plus和企業版用戶提供看、聽、說功能。語音功能將在 iOS 和 Android上使用，圖片識別全平臺可以使用。

用語音與ChatGPT交流

ChatGPT新的語音功能由一個文本到語音模型提供支持，能夠僅通過文字和幾秒鐘的樣本語音生成類似人類的音頻。

OpenAI與專業的配音演員合作，創建了5種合成語音，同時使用了自研開源語音識別系統 Whisper，將用戶的語音轉錄成文本。

簡單來說，以后用戶想將文本直接生成語音，可以在ChatGPT中完成了。

例如，讓ChatGPT聽一段小貓咪的文本故事，然后選擇人類語音便可以一鍵完成轉錄。完成后，用戶可以下載這段語音。

本文素材來源OpenAI官網，如有侵權請聯系刪除

繼續閱讀：

未經允許不得轉載：RPA中國 | RPA全球生態 | 數字化勞動力 | RPA新聞 | 推動中國RPA生態發展 | 流 > ChatGPT重磅升級：可以看圖、聽聲音、說話啦！