GPT-4o 高级语音功能上线一天被玩疯，网友测试其奇葩任务表现惊人

金磊 发自 凹非寺

量子位 | 公众号

上线仅仅一天，GPT-4o的高级语音功能（ Voice Mode）简直要被玩疯了。

无数网友脑洞大开的疯狂测试，GPT-4o这边呢，不仅各种奇葩任务全盘接收，表现好到更是让不少人连连惊呼“Blow my mind”。

例如有位网友要求GPT-4o用中文讲个故事，它的表现是这样的：

很多懂中文的网友看罢，纷纷表示不论是情绪还是整体的描述，GPT-4o的表现都比较OK。

但也并非完美，例如它的语速略显慢了些，以及把“气”读成了“kì”。

还有更像人的例子，仔细听：

你没听错，GPT-4o在读美国女诗人 的作品时，她哭了！

（颇有种情到深处自然浓的感觉）

这效果可把网友们吓得不轻，表示“毛骨悚然”。

然而这还只是网友们疯狂测试的一隅，还有很多好玩的例子，我们继续往下看。

数1-100，贼快

如果让你用英文从1数到10，越快越好，你需要几秒？

有网友就给GPT-4o提了这个要求，来感受下AI的语速：

当网友要求它以更快的速度读1-10时，“AI字幕”识别功能都失效了

。

而当GPT-4o被要求速读1-50时，我们还可以听到他还会像人一样有大口换气的动作。

接下来，这位网友提出了更高的要求——速读1-100：

虽然前期没有完全get网友的要求，但在他不断地引导之下，GPT-4o最终还是完成了速读1-100的任务。

除此之外，在搞怪方面，GPT-4o学猫叫也是一绝：

（

我们一起学猫叫，一起喵喵喵~

）

当然，以实时性和多语种出圈的语音功能，网友定然也不会放过测试这项任务。

主打一个随意打断、随意切换：

乌尔都语→希伯来语→挪威语→摩洛哥达利加语→阿姆哈拉语→匈牙利语→格鲁吉亚语→克林贡语。

还有更加实用的功能。

例如如果你在玩一款日本游戏，但却看不懂日文，那就直接让GPT-4o来帮忙就好了：

好家伙，GPT-4o直接摇身一变，成了实时翻译官了。

“自然的语音是关键”

除了上面这些具体的案例，沃顿商学院教授Ethan 也谈了谈他的感受。

他将GPT-4o的高级语音功能总结为三点：

它和当时演示的效果一样好。

它显然能够生成更多音频，但存在限制。

它令人毛骨悚然。大量无意识的线索让人感觉像是在与一个人交谈。

并且Ethan教授还认为，这种非常自然、拟人的语音，正是改变人类与AI交互性质的关键（虽然底层模型是我们用了很久的那个）。

但实际上，高级语音模式与现有的语音功能存在明显差异。

之前的语音处理方式依赖于三个不同的模型：首先是将语音信号转化为文字的模型，其次是 GPT-4 用于解析和回应用户指令，最后是将 的输出文本转换为语音的模型。

相比之下，GPT-4o 具备多模态能力，能够独立完成这些任务，无需其他模型的辅助，这大大减少了对话过程中的等待时间。

此外， 还强调 GPT-4o 能够识别并响应用户语音中的情感变化，例如能够感知到悲伤、兴奋等情绪。

而随着越来越多网友晒出他们的测试结果，底下的吃瓜群众们是按耐不住了，纷纷表示希望快点让更多人体验上。

那么你觉得用GPT-4o的高级语音功能，还能有什么更有意思的玩法？欢迎在评论区留言讨论~

参考链接：

[1]

[2]

[3]

[4]

[5]

[6]

[7]

— 完 —