ChatGPT 高级语音很棒，但我感觉被骗了

概括

• GPT-4o 没有兑现宏伟的承诺，缺乏愿景能力，实用性也有限。
• Advanced Voice以GPT-4o为基础，提供类似人类的声音，但缺乏歌唱功能并且存在缺陷。
• 虽然不是承诺的那样，但 ChatGPT 高级语音具有独特的声音以及基本讲故事和语言学习的潜力。

OpenAI 的最新产品承诺提供科幻般的体验，但现实却与宣传相去甚远。他们向我们承诺会有一个人工智能助手，它可以像人类一样看世界并说话。相反，我们得到了一个盲人聊天机器人，它只会用九种新的情感声音说：“对不起，我不能这么做”。

我们用 GPT-4o 做出的承诺

当 OpenAI 于 2024 年 5 月推出 GPT-4o 时，我们感觉我们正处于人机交互领域下一次重大技术革命的风口浪尖。这是一个科幻故事成真，我们看到了一个人工智能助手，它实际上可以进行类似人类的互动——就像电影《她》中的那样。

以下是演示的所有内容的提醒：

• 实时语音对话。
• 自然地打断和重定向对话的能力。
• 声音栩栩如生，情感丰富。
• 戏剧性的讲故事和歌唱能力。
• 增强的多语言能力和翻译。
• 提高了非英语语言的性能。

• 视觉能力：

  • 解决写在纸上的数学问题。
  • 阅读面部表情并了解环境。
• 比 GPT-4o 之前的旗舰 OpenAI 模型 GPT-4 Turbo 更智能。

作为一个完整的软件包，GPT-4o 感觉它将给我们使用计算机以及与计算机交互的方式带来范式转变。这些演示简直令人兴奋，我的脑子里充满了无限的可能性。

例如，我终于可以取消 Calm 订阅并使用 ChatGPT 给我讲睡前故事。我可以将它用作我的私人教练 - 将它放在桌子上以跟踪我的次数和姿势。当我用 Udio 创作歌曲时，它可以唱我的歌词。

不用说，我非常兴奋。这就是我等待的未来！

...但承诺尚未兑现

重大公告发布一周后，我终于拿到了 GPT-4o。 OpenAI 表示他们将慢慢推出他们演示的所有内容。所以，这个 GPT-4o 是纯文本的。它可以接受文本和图像作为输入并以文本形式回复。

它比之前的型号更聪明，但并不是我们承诺的科幻助手。雪上加霜的是，一个月后，它的“更智能”桂冠很快就被 Claude 3.5 Sonnet 夺走了——它在编码和创意任务方面都优于 GPT-4o！

最后，在 7 月份，Advanced Voice 开始向少数用户推出 Alpha 版。但同样，这只是声音——看不到任何视觉能力。当然，它比旧的标准语音模式要好，在旧的标准语音模式中你必须等待很长时间才能响应，但它并不是完全具有开创性的。

2024 年 9 月，最终版本得到了更广泛的推出，我也得到了它。不过，当它仍未兑现最初的承诺时，我们真的可以称之为最终版吗？

我使用 ChatGPT Advanced Voice 的体验以及为什么我感觉被骗了

让我们明确一点——全面推出的高级语音功能令人印象深刻。语音质量无可否认是目前市场上最接近人类的AI语音。谈话感觉异常自然，就像我在和另一个人说话一样。

不幸的是，它在实践中并没有那么有用。仍然没有视觉功能，这极大地限制了你可以用它做的事情。我明白了；该功能称为高级语音，所以我不应该希望它能够看到东西。但是，它甚至看不到您上传到聊天的图像。即使是标准语音也可以做到这一点！

另外，声音也不是那么高级。它仍然使用 GPT-4o 作为它的大脑，让我们面对现实吧，它不再是 AI 棚子里最锋利的工具了。 Advanced Voice 也拒绝唱歌。感觉 OpenAI 无意将唱歌作为一项功能添加，尽管在其演示中展示了这一点。以下是当被问到时它是如何回应的。

我可以通过语音对话生成音乐内容吗？

不会。为了尊重创作者的权利，我们采取了多项缓解措施，包括新的过滤器，以防止语音对话响应音乐内容（包括唱歌）。

虽然这种限制可能是由于潜在的法律问题，但可笑的是，我的这位助手甚至不会给我唱“生日快乐！ “OpenAI 至少可以允许它在公共领域唱歌。看来我只能用 Google Assistant 来表达生日祝福了！

现在，来谈谈语音调制——这很好！再说一次，它比市场上的任何其他产品都要好，但并不例外。我试图让它像漫威的《毒液》一样说话，但无论成功还是失败。有时，它会说“当然”，并试图听起来像他——但从来没有发出正确的声音。其他时候，它会告诉我它不能模仿特定的人物或名人。

我想这很公平，所以我尝试要求发出带有大量声音的咕噜声，看看这是否有效，但听起来仍然不对。我什至尝试尝试不同的声音参数，看看是否能确定声音，但这是一个失败的实验。虽然有很大的灵活性，但你无法充分发挥它来获得那些独特的声音。

此外，您需要非常精确地使用您所使用的语言。它不会根据你的要求来模仿或冒充已知人物，但如果你要求它尝试像某人一样说话，它会尝试调节自己的声音。

如果所有这些限制还不够，您还必须处理错误。有时高级语音需要很长时间才能加载，迫使我退出并尝试再次连接。它也不适合讲故事或发表长篇独白。大约一分钟后，它就会停止说话，除非你反复告诉它继续说下去。我计划用它作为睡前讲故事的人就这么多了！

仍有一线希望

值得庆幸的是，这并不全是坏事！您可以获得大量新的语音选项，每个选项都有自己的个性和语音调制范围。目前，我最喜欢的声音是 Maple、Arbor 和 Vale。虽然我无法让他们中的任何一个听起来像毒液，但我确实设法让阿伯听起来像一个反英雄，这非常酷。

它也非常适合大声思考！拥有一个随时可用的对话伙伴，即使不是最敏锐的，也是相当不错的。这就像用夏洛克的头骨来激发想法一样。

虽然高级语音并不是 GPT-4o 所演示的那样，但它仍然很强大，并且在某些情况下可能有用。我可以看到其他人如何使用它来为儿童讲基本故事、语言学习或快速翻译。这些都是合法的用例，任何寻求它们的人都不会感到失望。

最后，ChatGPT 高级语音向前迈出了一步，但比我们承诺的一步要小得多。这提醒我们，在人工智能的世界里，我们应该始终对宏伟的承诺持保留态度。希望未来的更新能让我们更接近我们梦想的科幻助手。