OpenAI 宣布为其 AI 语音助手增加更自然的聊天功能

OpenAI 于 3 月 24 日宣布，正在推出更新，使 ChatGPT 的 AI 语音助手更具亲和力和响应能力，减少句中断。这些更新现在使 ChatGPT 成为 Sesame 和 Alexa 等竞争对手的强劲对手。

OpenAI 发布了 周一为高级语音模式 (Advanced Voice Mode) 推出更新，这是 ChatGPT 中实现实时对话的 AI 语音功能，使 AI 助手更具亲和力，并减少中断用户的频率。最近的更新有两个重点：更具吸引力的 AI 助手和更少的中断。

OpenAI 后训练研究员 Manuka Stratta 在周一发布到公司官方社交媒体渠道的演示视频中宣布了这些变化。在演示视频中，Manuka 展示了新模型让用户有时间思考和说话，而不会被打断。

OpenAI 改进 AI 语音助手以实现更自然的对话 

OpenAI 发布了一份公告，介绍了一种更新的 ChatGPT 语音模式，该模式中断较少，允许自然停顿，对所有用户可用，付费用户还将获得一个改进的模型人格，被描述为引人入胜、直接和简洁。

— Tibor Blaho (@btibor91) 3月 24, 2025

ChatGPT 推出了新的高级语音模式，免费用户和付费订阅者（包括 Plus、Teams、Edu、Business 和 Pro 计划的用户）均可访问。更新后的功能允许在 ChatGPT 内进行实时对话，增强了 AI 助手的灵活性，并最大限度地减少了用户交互过程中的中断。

此次更新正值 AI 语音助手领域竞争日益激烈的背景下。OpenAI 面临来自新进入者 Sesame 的压力——这是一家由 Andreessen Horowitz 支持的初创公司，因其听起来自然的 AI 声音 Maya 和 Miles 而走红——以及亚马逊，后者正在准备基于大型语言模型的 Alexa 升级。 

“因为它较少打断你，你将能够有更多时间整理思绪，而不必觉得必须不断填补所有空白和沉默。”

-Manuka Stratta

OpenAI 发言人表示，针对付费用户的新 AI 语音助手“在回答中更加直接、引人入胜、简洁、具体和富有创意”。 

OpenAI 还宣布了用于自动语音识别 (ASR) 和文本转语音 (TTS) 的新模型的发布，标志着 AI 驱动语音技术的又一进步。新模型承诺准确性和经济性，使其成为希望部署 AI 驱动语音代理的企业的一种替代方案。 

新的 ASR 模型——gpt-4o-transcribe 和 gpt-4o-mini-transcribe——代表了超越 Whisper（OpenAI 之前的最先进转录模型）的显著飞跃。这些模型提供了改进的词错误率，并更好地处理各种语言、口音和背景噪音。新的 TTS 模型可以生成高度逼真的声音，具有听起来自然的语调和情感表现力。这些模型可以使用自然语言提示来塑造声音的音调、情感和表达方式。

ChatGPT AI 语音助手让用户感到更孤独

OpenAI 与 MIT 媒体实验室合作进行的一项新研究 披露 显示大多数 ChatGPT 用户依赖 AI 助手进行实用目的。该研究分析了近 4,000 万次 ChatGPT 互动， 将用户分为不同的组；一些人仅使用文本，而另一些人则尝试与 AI 角色进行语音互动——一个设计为更具情感，而另一个保持中立。.

数据显示，那些严重依赖高级语音模式的用户与 ChatGPT 建立了更强的情感联系，有些人甚至将其视为“朋友”。语音功能的效果各不相同，简短的互动改善了用户的情绪，而延长的日常使用有时会产生相反的效果。

研究结果显示，个人对话与较高的孤独感水平但较低的情感依赖相关。相比之下，非个人对话显示出不同的模式，情感依赖水平随着重度使用而增加。

OpenAI 安全研究员 Jason Phang 参与了该项目，他声称 OpenAI 所做的很多工作都是初步的，但公司正试图开始关于衡量这些影响及其对用户长期影响的对话。伦敦国王学院 AI 与社会教授 Kate Devlin 表示，人们可能并不一定以情感方式使用 ChatGPT，但他们无法将作为人与他们与技术的互动分开。