上線僅僅一天，GPT-4o的高級語音功能（Advanced Voice Mode）簡直要被玩瘋了。

無數(shù)網(wǎng)友腦洞大開的瘋狂測試，GPT-4o這邊呢，不僅各種奇葩任務全盤接收，表現(xiàn)好到更是讓不少人連連驚呼“Blow my mind”。

例如有位網(wǎng)友要求GPT-4o用中文講個故事，它的表現(xiàn)是這樣的：

視頻地址：https://mp.weixin.qq.com/s/YAC56GANpNfrrpc8q3Jf6w

很多懂中文的網(wǎng)友看罷，紛紛表示不論是情緒還是整體的描述，GPT-4o的表現(xiàn)都比較OK。

但也并非完美，例如它的語速略顯慢了些，以及把“氣”讀成了“kì”。

還有更像人的例子，仔細聽：

視頻地址：https://mp.weixin.qq.com/s/YAC56GANpNfrrpc8q3Jf6w

你沒聽錯，GPT-4o在讀美國女詩人Emiliy Dickinson的作品時，她哭了！

（頗有種情到深處自然濃的感覺）

這效果可把網(wǎng)友們嚇得不輕，表示“毛骨悚然”。

然而這還只是網(wǎng)友們瘋狂測試的一隅，還有很多好玩的例子，我們繼續(xù)往下看。

數(shù)1-100，賊快

如果讓你用英文從1數(shù)到10，越快越好，你需要幾秒？

有網(wǎng)友就給GPT-4o提了這個要求，來感受下AI的語速：

視頻地址：https://mp.weixin.qq.com/s/YAC56GANpNfrrpc8q3Jf6w

當網(wǎng)友要求它以更快的速度讀1-10時，“AI字幕”識別功能都失效了。

而當GPT-4o被要求速讀1-50時，我們還可以聽到他還會像人一樣有大口換氣的動作。

接下來，這位網(wǎng)友提出了更高的要求——速讀1-100：

視頻地址：https://mp.weixin.qq.com/s/YAC56GANpNfrrpc8q3Jf6w

雖然前期沒有完全get網(wǎng)友的要求，但在他不斷地引導之下，GPT-4o最終還是完成了速讀1-100的任務。

除此之外，在搞怪方面，GPT-4o學貓叫也是一絕：

視頻地址：https://mp.weixin.qq.com/s/YAC56GANpNfrrpc8q3Jf6w

（我們一起學貓叫，一起喵喵喵~）

當然，以實時性和多語種出圈的語音功能，網(wǎng)友定然也不會放過測試這項任務。

主打一個隨意打斷、隨意切換：

烏爾都語→希伯來語→挪威語→摩洛哥達利加語→阿姆哈拉語→匈牙利語→格魯吉亞語→克林貢語。

視頻地址：https://mp.weixin.qq.com/s/YAC56GANpNfrrpc8q3Jf6w

還有更加實用的功能。

例如如果你在玩一款日本游戲，但卻看不懂日文，那就直接讓GPT-4o來幫忙就好了：

視頻地址：https://mp.weixin.qq.com/s/YAC56GANpNfrrpc8q3Jf6w

好家伙，GPT-4o直接搖身一變，成了實時翻譯官了。

“自然的語音是關鍵”

除了上面這些具體的案例，沃頓商學院教授Ethan Mollick也談了談他的感受。

他將GPT-4o的高級語音功能總結為三點：

它和OpenAI當時演示的效果一樣好。它顯然能夠生成更多音頻，但存在限制。它令人毛骨悚然。大量無意識的線索讓人感覺像是在與一個人交談。

并且Ethan教授還認為，這種非常自然、擬人的語音，正是改變?nèi)祟惻cAI交互性質(zhì)的關鍵（雖然底層模型是我們用了很久的那個）。

但實際上，高級語音模式與ChatGPT現(xiàn)有的語音功能存在明顯差異。

ChatGPT 之前的語音處理方式依賴于三個不同的模型：首先是將語音信號轉化為文字的模型，其次是 GPT-4 用于解析和回應用戶指令，最后是將 ChatGPT 的輸出文本轉換為語音的模型。

相比之下，GPT-4o 具備多模態(tài)能力，能夠獨立完成這些任務，無需其他模型的輔助，這大大減少了對話過程中的等待時間。

此外，OpenAI 還強調(diào) GPT-4o 能夠識別并響應用戶語音中的情感變化，例如能夠感知到悲傷、興奮等情緒。

而隨著越來越多網(wǎng)友曬出他們的測試結果，底下的吃瓜群眾們是按耐不住了，紛紛表示希望OpenAI快點讓更多人體驗上。

那么你覺得用GPT-4o的高級語音功能，還能有什么更有意思的玩法？歡迎在評論區(qū)留言討論~