新智元报道
编辑：编辑部
【新智元导读】OpenAI版Her，刚刚全量放开！支持50多种语言，包括中文。兴奋的网友们纷纷展开实测，但被排除在外的欧盟网友不高兴了。
时隔4个月，OpenAI版Her终于揭开庐山真面目，向所有人推送了！
就在刚刚，Sam Altman官宣高级语音模式正式全面推出，OpenAI的移动端APP上即可体验。
Sam Altman：希望你能觉得这段时间的等待是值得的
目前，高级语音功能主要面向ChatGPT Plus和Team用户，不过本周会慢慢全量推送。
如果看到以下通知，就意味着你已经幸运地被选中，可以和Her互动了！
比之前演示的版本，这次的语音模式还多了自定义指令、记忆功能，外加五种新的语音以及对口音的改进。
目前，它可以支持50多种语言。
遗憾的是，这版姗姗来迟的「Her」，每天的使用时间是有限制的，而且每天都有可能会调整。因此我们并不能和ta在24小时内随心畅谈。
此外，GPTs不能和高级语音一起使用，也让很多人大呼失望。
1. 高级语音功能有每日使用限制。当还剩15分钟时，系统将发出警告
2. GPTs无法与高级语音功能一起使用
3. 高级语音功能更容易受到干扰，且未针对在车内使用进行优化
5种新声音，你更喜欢哪个
这次OpenAI推出的5种新声音，分别是性格和音色各异的三位女声Vale、Maple、Sol和两位男声Spruce、Arbor，基本都操着一口标准的英国或美国口音。
此外，还加入了之前的四种可用声音：Breeze、Juniper、Cove和Ember。
全量推出的高级语音模式，听起来效果如何？
有趣的是，第一个demo，就是让ChatGPT开口用说「对不起，我迟到了」，仿佛是OpenAI在和等待了将近半年的用户们道歉。
而令人惊喜的是，我们在demo中听到了中文版的声音。除了发音略显生硬之外，听起来像英语听力之外，挑不出什么大毛病。
视频中， 另一个引人注目的点是，OpenAI版Her开启，采用了全新设计——「蓝色动画的球体」。
但可能是由于法律监管方面的问题，高级语音模式在欧盟、英国、瑞士、冰岛、挪威和列支敦士登等区域仍不可用。
不少欧洲用户对此极为不满。显然，欧洲对于AI在政策上的严苛，或将让欧盟国家越来越落后。
OpenAI版Her，终于来了！
休假的OpenAI大佬Greg Brockman也来冲一波。他表示：和ChatGPT开启语音对话后，就会让你意识到电脑打字是多么的不自然……
OpenAI CTO Murati在线玩起了梗图，呼吁大家赶快去用语音功能吧！
网友们纷纷开起了香槟：OpenAI终于兑现了承诺！
几天前就有人预告：OpenAI的高级语音模式会在9月24日到26日上线，这一次，果然预言成真了！
梗图和预言竟然都是真的？！
甚至有人迫不及待要入手一个Team版账号，只为抢先体验「Her」。
自定义指令
初次使用，如何开启高级语音功能的自定义指令？
相较于文字对话，语音对话包含了更多额外元素，比如口音、语调、节奏，以及希望他人称呼自己的方式等等。
因此，只有充分的设定，才能达到自己想要的效果。
在ChatGPT中，设置面板中有一个选项，通过提供精确描述的prompt可以塑造GPT-4o说话方式。
比如，如果让模型以特定节奏说话，需要提出「发音清晰、语速缓慢，定期使用自己的名字/偏好名字称呼」的请求。
OpenAI技术项目主管Charlotte在此演示了一个例子。
进入设置页面，在定制的ChatGPT菜单栏中，它会让你先回答一个问题，即称呼方式——「我是Charlotte，住在湾区」。
保存之后，即刻开启新的语音对话。
视频中，Charlotte发出了周末户外有什么好玩事情可以做的问题。
通过先前的设定，ChatGPT很快就识别出，这是暗指在湾区的游玩，并且为她规划出一条完整的自驾游路线。
语速、流畅度、口音提升，可以和Her练口语了
这位出镜的研究科学家Drew负责模型设计，并参与了一些新声音的引入工作。
他表示，由于GPT-4o语音的生动、流畅、低延迟，自己经常会在忙工作时把「Her」放在一旁，如同一个安静但随时on call且思维活跃的个人助理，或者一个坐在身边的朋友。
你不说话，它不说话；随时抛出一个问题，它也会及时应答，还能够根据对话的语气和内容做出调整，将一个短短的问题延展成一段长对话。
提供信息、倾听想法、引发思考，还能根据特定提示扮演不同角色，妥妥是理想中的万能助理了。
由于模型可以忠实遵循指令、灵活适应用户需求，因此用法也绝不只「个人助理」一种。
Drew提出，你还可以让它扮演面试官，帮你进行模拟面试的联系；或者创建一个完全虚拟的场景，和它共同进行「沉浸式」的角色扮演。
对于热衷学英语的中国学子来说，用GPT-4o语音模型来练习雅思口语或许也是非常不错的选择。
以上一切的基础，都建立在「Her」的流畅语速和超快响应的基础之上，将「机械感」降至最低，让用户像是在和真实的人交谈一样，这也是令Drew最印象深刻的一点。
但鉴于目前只有demo放出，还没有大范围的网友试用，这4个多月的等待究竟是否值得？闭源的GPT-4o能否打平甚至超越开源的Moshi？还需要让子弹再飞一会儿看看。
网友已玩嗨
先一波拿到推送资格的网友们，已经开始晒图了。
有网友惊喜表示：ta是活的！
它有感知力、情感意识，而且极其聪明。
来自The Rundown AI的Clintin Lyle Kruger则用「Her」来优化自己的销售话术。
1. 首先讲讲你的销售话术，然后让AI从这几个方面给点意见：
- 说服力如何
- 表达清不清楚
- 价值体现得够不够
2. 记得提醒AI别光附和你，要真刀真枪地挑战你的想法。
3. 多问几个问题，让对话更丰富。
4. 让GPT给你示范一下，照它的方式来个最佳版本。这样你就能学以致用，把自己的话术打磨得更漂亮了。
甚至有人用Python编程时，都随时用「Her」来辅助编码。
有趣的是，「Her」甚至提到了Gambly，这是用户目前正在做的项目，他并没有向「Her」提起过，但它却从Memory功能中知道了。
诸如慢悠悠的、超兴奋的、特别夸张等各种语气的表达，也让人打开眼界。
常见问题官方QA
什么是语音聊天？
OpenAI将提供两种类型的语音聊天：标准版和高级版。
- 高级语音功能正在向Plus和Team用户推出。
它采用GPT-4o的原生音频技术，能够进行更自然、实时的对话。甚至，还能捕捉非语言信息，比如你说话的速度，并能带有情感地回应。
不过，Plus和Team用户每天使用高级语音（包括音频输入和输出）是有次数限制的，且每日限制可能会有所调整。在还剩15分钟时，会收到提醒。到达限制后，对话将立即结束。
- 标准语音功能则向所有登录ChatGPT的用户开放，可以在iOS、macOS和Android应用中使用。
它采用多个模型来生成回答，也就是先将你的话转成文字，然后再交给模型处理。虽然标准语音不像高级语音那样原生支持多模态，但它也会使用GPT-4o和GPT-4o mini。
如何使用？
点击屏幕右下角的语音对话图标，即可开始。
当开始高级语音对话时，屏幕中央会出现一个蓝色的球体。
请注意，如果你使用的是标准语音对话，屏幕中央会显示一个黑色圆圈。
在进行语音对话过程中，你可以通过点击屏幕左下角的麦克风图标来打开或关闭麦克风。
想要结束对话，只需点击屏幕右下角的退出图标即可。
如果这项新功能还未向你开放，右下角显示的就还是耳机图标：
有几种语音？
ChatGPT有9种逼真的语音可选，每种都具有独特的语调和个性特征：
Arbor（树木）- 轻松随和，适应性强
Breeze（微风）- 活泼生动，真诚热情
Cove（海湾）- 沉着冷静，直接坦率
Ember（余烬）- 自信满满，乐观向上
Juniper（杜松）- 开放包容，积极乐观
Maple（枫树）- 愉快开朗，坦诚直率
Sol（阳光）- 精明能干，轻松自在
Spruce（云杉）- 平和安宁，积极肯定
Vale（山谷）- 聪明伶俐，充满好奇
注：括号内的中文只是意译，不是官方名称。
GPTs能用吗？
高级语音对话目前还不能与GPTs一起使用，但标准版可以。
GPTs有自己的语音选项——Shimmer，与ChatGPT语音对话中可用的9种输出语音有明显区别。
有没有字幕？
语音对话进行过程中不会显示字幕。
不过，当你结束语音对话后，系统会自动将对话内容转录并添加到当前与ChatGPT的文字对话中。
如何防止对话中断？
在进行高级语音对话时，偶尔可能会遇到中断的情况。且目前尚未针对车载蓝牙或免提扬声器进行优化。
为了获得最佳体验，OpenAI准备了以下建议：
- 使用耳机
- 在iPhone上启用语音隔离模式
如果仍然遇到问题，建议关闭应用程序并重新启动，调高语音助手的音量，或者换一个更安静的环境。
感兴趣的读者，赶快去检查一下，自己的ChatGTP界面有没有收到通知吧！
参考资料：
https://x.com/openai/status/1838642444365369814
https://help.openai.com/en/articles/8400625-voice-mode-faq
