<p>OpenAI 于周二开始推出 ChatGPT 的高级语音模式，为用户提供了首次使用 GPT-4o 超逼真音频响应的机会。alpha 版本将于今天提供给一小部分 ChatGPT Plus 用户，OpenAI 表示该功能将逐步在 2024 年秋季推出给所有 Plus 用户。</p>
<p>当 OpenAI 在五月首次展示 GPT-4o 的语音时，这一功能以快速响应和与真人声音的惊人相似度震惊了观众，尤其是一个声音。这个名为 Sky 的声音酷似斯嘉丽·约翰逊（Scarlett Johansson），她是电影《她》中人工助理的幕后配音演员。在 OpenAI 的演示之后不久，约翰逊表示拒绝了首席执行官山姆·奥尔特曼多次邀请使用她的声音，并在看到 GPT-4o 的演示后，聘请了法律顾问来捍卫她的肖像权。OpenAI 否认使用约翰逊的声音，但后来移除了演示中展示的声音。六月，OpenAI 表示将推迟发布高级语音模式以改进其安全措施。</p>
<p>一个月后，等待终于结束（在某种程度上）。OpenAI 表示，在其春季更新中展示的视频和屏幕共享功能将不包括在这个 alpha 版本中，将在 “以后的日期” 推出。目前，令所有人惊叹的 GPT-4o 演示仍然只是一个演示，但一些高级用户现在将可以使用 ChatGPT 的语音功能。</p>
<h2>ChatGPT 现在可以说话和倾听</h2>
<p>您可能已经尝试过 ChatGPT 目前可用的语音模式，但 OpenAI 表示高级语音模式是不同的。ChatGPT 以前的音频解决方案使用了三个单独的模型：一个用于将您的语音转换为文本，GPT-4 用于处理您的提示，然后第三个将 ChatGPT 的文本转换为语音。但是，GPT-4o 是多模态的，能够在没有辅助模型的情况下处理这些任务，从而创建出延迟显著降低的对话。OpenAI 还声称，GPT-4o 能够感知您语音中的情感语调，包括悲伤、兴奋或唱歌。</p>
<p>在这个试点中，ChatGPT Plus 用户将第一手看到 OpenAI 的高级语音模式有多逼真。TechCrunch 在发布本文之前无法测试该功能，但我们将在获得访问权限后进行评估。</p>
<p>OpenAI 表示，他们将逐步释放 ChatGPT 的新语音功能，以密切监控其使用情况。alpha 组的人将在 ChatGPT 应用程序中收到提醒，然后会通过电子邮件收到如何使用它的说明。</p>
<p>自 OpenAI 的演示以来的几个月里，该公司表示已经与讲 45 种不同语言的 100 多名外部红队成员测试了 GPT-4o 的语音能力。OpenAI 表示，关于这些安全工作的报告将于八月初发布。</p>
<p>公司表示，高级语音模式将仅限于 ChatGPT 的四种预设声音 - Juniper、Breeze、Cove 和 Ember，这些声音是与付费配音演员合作制作的。OpenAI 五月演示中展示的 Sky 声音在 ChatGPT 中已不再可用。OpenAI 发言人林赛·麦卡勒姆表示，“ChatGPT 不能模仿其他人的声音，无论是个人还是公众人物，并将阻止与这四种预设声音不同的输出。”</p>
<p>OpenAI 正试图避免深度伪造争议。一月份，AI 初创公司 ElevenLabs 的语音克隆技术被用来模仿拜登总统，欺骗新罕布什尔州的初选选民。</p>
<p>OpenAI 还表示，他们引入了新的过滤器，以阻止生成音乐或其他受版权保护的音频的特定请求。在过去一年中，AI 公司因侵犯版权而陷入法律纠纷，而像 GPT-4o 这样的音频模型为可以提出投诉的公司开辟了一个全新的类别。特别是那些以诉讼著称的唱片公司，他们已经起诉了 AI 歌曲生成器 Suno 和 Udio。</p>

OpenAI

<p>OpenAI 已向部分付费用户发布了 ChatGPT 的高级语音模式。这一功能提供超逼真的音频回应，将逐渐在 2024 年秋季向所有 Plus 用户推出。OpenAI 在五月展示了 GPT-4o 的语音，但由于与 Scarlett Johansson 的声音相似而引发了争议。高级语音模式的 Alpha 版本不包括视频和屏幕共享功能。这种新的语音模式能够处理任务而无需辅助模型，并能感知用户语音中的情绪语调。OpenAI 正在密切监控使用情况，并已实施安全措施</p>

<p>OpenAI began rolling out ChatGPT’s Advanced Voice Mode on Tuesday, giving users their first access to GPT-4o’s hyper-realistic audio responses. The alpha version will be available to a small group of ChatGPT Plus users today, and OpenAI says the feature will gradually roll out to all Plus users in the fall of 2024.</p>
<div class="lb-trans"><p>OpenAI 于周二开始推出 ChatGPT 的高级语音模式，为用户提供了首次使用 GPT-4o 超逼真音频响应的机会。alpha 版本将于今天提供给一小部分 ChatGPT Plus 用户，OpenAI 表示该功能将逐步在 2024 年秋季推出给所有 Plus 用户。</p>
</div><p>When OpenAI first showcased GPT-4o’s voice in May, the feature shocked audiences with quick responses and an uncanny resemblance to a real human’s voice – one in particular. The voice, Sky, resembled that of Scarlett Johansson, the actress behind the artificial assistant in the movie “Her.” Soon after OpenAI’s demo, Johansson said she refused multiple inquiries from CEO Sam Altman to use her voice, and after seeing GPT-4o’s demo, hired legal counsel to defend her likeness. OpenAI denied using Johansson’s voice, but later removed the voice shown in its demo. In June, OpenAI said it would delay the release of Advanced Voice Mode to improve its safety measures.</p>
<div class="lb-trans"><p>当 OpenAI 在五月首次展示 GPT-4o 的语音时，这一功能以快速响应和与真人声音的惊人相似度震惊了观众，尤其是一个声音。这个名为 Sky 的声音酷似斯嘉丽·约翰逊（Scarlett Johansson），她是电影《她》中人工助理的幕后配音演员。在 OpenAI 的演示之后不久，约翰逊表示拒绝了首席执行官山姆·奥尔特曼多次邀请使用她的声音，并在看到 GPT-4o 的演示后，聘请了法律顾问来捍卫她的肖像权。OpenAI 否认使用约翰逊的声音，但后来移除了演示中展示的声音。六月，OpenAI 表示将推迟发布高级语音模式以改进其安全措施。</p>
</div><p>One month later, and the wait is over (sort of). OpenAI says the video and screensharing capabilities showcased during its Spring Update will not be part of this alpha, launching at a “later date.” For now, the GPT-4o demo that blew everyone away is still just a demo, but some premium users will now have access to ChatGPT’s voice feature shown there.</p>
<div class="lb-trans"><p>一个月后，等待终于结束（在某种程度上）。OpenAI 表示，在其春季更新中展示的视频和屏幕共享功能将不包括在这个 alpha 版本中，将在 “以后的日期” 推出。目前，令所有人惊叹的 GPT-4o 演示仍然只是一个演示，但一些高级用户现在将可以使用 ChatGPT 的语音功能。</p>
</div><h2>ChatGPT can now talk and listen</h2>
<div class="lb-trans"><h2>ChatGPT 现在可以说话和倾听</h2>
</div><p>You may have already tried out the Voice Mode currently available in ChatGPT, but OpenAI says Advanced Voice Mode is different. ChatGPT’s old solution to audio used three separate models: one to convert your voice to text, GPT-4 to process your prompt, and then a third to convert ChatGPT’s text into voice. But GPT-4o is multimodal, capable of processing these tasks without the help of auxiliary models, creating significantly lower latency conversations. OpenAI also claims GPT-4o can sense emotional intonations in your voice, including sadness, excitement or singing.</p>
<div class="lb-trans"><p>您可能已经尝试过 ChatGPT 目前可用的语音模式，但 OpenAI 表示高级语音模式是不同的。ChatGPT 以前的音频解决方案使用了三个单独的模型：一个用于将您的语音转换为文本，GPT-4 用于处理您的提示，然后第三个将 ChatGPT 的文本转换为语音。但是，GPT-4o 是多模态的，能够在没有辅助模型的情况下处理这些任务，从而创建出延迟显著降低的对话。OpenAI 还声称，GPT-4o 能够感知您语音中的情感语调，包括悲伤、兴奋或唱歌。</p>
</div><p>In this pilot, ChatGPT Plus users will get to see first hand how hyper-realistic OpenAI’s Advanced Voice Mode really is. TechCrunch was unable to test the feature before publishing this article, but we will review it when we get access.</p>
<div class="lb-trans"><p>在这个试点中，ChatGPT Plus 用户将第一手看到 OpenAI 的高级语音模式有多逼真。TechCrunch 在发布本文之前无法测试该功能，但我们将在获得访问权限后进行评估。</p>
</div><p>OpenAI says it’s releasing ChatGPT’s new voice gradually to closely monitor its usage. People in the alpha group will get an alert in the ChatGPT app, followed by an email with instructions on how to use it.</p>
<div class="lb-trans"><p>OpenAI 表示，他们将逐步释放 ChatGPT 的新语音功能，以密切监控其使用情况。alpha 组的人将在 ChatGPT 应用程序中收到提醒，然后会通过电子邮件收到如何使用它的说明。</p>
</div><p>In the months since OpenAI’s demo, the company says it tested GPT-4o’s voice capabilities with more than 100 external red teamers who speak 45 different languages. OpenAI says a report on these safety efforts is coming in early August.</p>
<div class="lb-trans"><p>自 OpenAI 的演示以来的几个月里，该公司表示已经与讲 45 种不同语言的 100 多名外部红队成员测试了 GPT-4o 的语音能力。OpenAI 表示，关于这些安全工作的报告将于八月初发布。</p>
</div><p>The company says Advanced Voice Mode will be limited to ChatGPT’s four preset voices – Juniper, Breeze, Cove and Ember – made in collaboration with paid voice actors. The Sky voice shown in OpenAI’s May demo is no longer available in ChatGPT. OpenAI spokesperson Lindsay McCallum says “ChatGPT cannot impersonate other people’s voices, both individuals and public figures, and will block outputs that differ from one of these preset voices.”</p>
<div class="lb-trans"><p>公司表示，高级语音模式将仅限于 ChatGPT 的四种预设声音 - Juniper、Breeze、Cove 和 Ember，这些声音是与付费配音演员合作制作的。OpenAI 五月演示中展示的 Sky 声音在 ChatGPT 中已不再可用。OpenAI 发言人林赛·麦卡勒姆表示，“ChatGPT 不能模仿其他人的声音，无论是个人还是公众人物，并将阻止与这四种预设声音不同的输出。”</p>
</div><p>OpenAI is trying to avoid deepfake controversies. In January, AI startup ElevenLabs’s voice cloning technology was used to impersonate President Biden, deceiving primary voters in New Hampshire.</p>
<div class="lb-trans"><p>OpenAI 正试图避免深度伪造争议。一月份，AI 初创公司 ElevenLabs 的语音克隆技术被用来模仿拜登总统，欺骗新罕布什尔州的初选选民。</p>
</div><p>OpenAI also says it introduced new filters to block certain requests to generate music or other copyrighted audio. In the last year, AI companies have landed themselves in legal trouble for copyright infringement, and audio models like GPT-4o unleash a whole new category of companies that can file a complaint. Particularly, record labels, who have a history for being litigious, and have already sued AI song-generators Suno and Udio.</p>
<div class="lb-trans"><p>OpenAI 还表示，他们引入了新的过滤器，以阻止生成音乐或其他受版权保护的音频的特定请求。在过去一年中，AI 公司因侵犯版权而陷入法律纠纷，而像 GPT-4o 这样的音频模型为可以提出投诉的公司开辟了一个全新的类别。特别是那些以诉讼著称的唱片公司，他们已经起诉了 AI 歌曲生成器 Suno 和 Udio。</p>
</div>

OpenAI 向部分付费用户推出了 ChatGPT 的超现实语音功能