ChatGPT 高级语音模式早期演示曝光：能学方言纠正发音，还会讲笑话

听一段机长广播，背景带着对讲机的滋滋杂音，甚至还会自己讲土耳其语笑话笑出声来。这几天，OpenAI 终于把春季发布会上备受关注的新语音功能推到了真实用户手里。

不过，这次开放相当克制。OpenAI 只是通过邮件向极少数 ChatGPT Plus 订阅用户发放了「高级语音模式」（Advanced Voice Mode）的 Alpha 测试资格。拿到内测资格的用户已经在社交平台上发出了大量实测视频。

学方言、纠正发音，甚至还能唱蓝调

根据流出的实测，新功能最直观的改变是低延迟和对真实语境的模拟。

在 X 平台用户 @nickfloats 发出的一段演示中，他让 ChatGPT 模拟正在对乘客喊话的机长。ChatGPT 响应时间不到一秒，甚至主动把声音处理成了类似机舱对讲机的机械质感。不过，当用户要求它再叠加背景里的飞机引擎轰鸣声时，它处理得还有些吃力。

新模式在语言教学和口音模仿上也展现出了新能力。有测试显示，ChatGPT 能直接指出用户法语发音中的声调起伏问题，并给出调整建议。

在土耳其语测试中，它按照要求声情并茂地讲故事，过程中还会适时地大笑甚至抽泣，尽管当地网友指出它的口音听起来还不够地道。

此外，它还能拿捏纽约、波士顿、威斯康星以及典型的加州腔调。在歌唱展示里，它用蓝调风格唱了《生日快乐》，甚至还尝试模仿青蛙和猫叫声来完成同一首歌。

实测视频里出现了多种不同的男女音色。此前在 5 月因演员斯嘉丽·约翰逊事件引发争议的「Sky」音色，这次完全没有出现。

至于发布会上曾惊艳全场的实时视频和屏幕共享功能，这次并未上线。OpenAI 表示这些功能会推迟到更晚的时候提供。OpenAI 发言人 Taya Christianson 证实，高级语音模式预计在今年秋季向所有每月 20 美元的 Plus 订阅用户开放。

为什么重要

对用户来说，这意味着人机交互终于摆脱了「打字等回复」的冷清感。对于想练外语发音、模拟英文面试，或者单纯需要一个高情商倾听者的人来说，它的价值非常直接。不过我们认为，现在为了语音功能去充值 Plus 还为时过早，毕竟目前只是极少数人的 Alpha 测试，视觉互动缺席也让体验打了折扣，大部分人等到秋季全量上线再试也不迟。

对行业而言，GPT-4o 展现出的情绪感知和即时打断能力，直接把语音助手的标准拉高了一大截。以往那种机械死板的「朗读文本」正在被淘汰，这无疑会倒逼苹果的 Siri 和谷歌的语音助手加快换代步伐。

我们认为，OpenAI 这一步走得很聪明也很克制。端到端实时语音不仅算力消耗惊人，还潜藏着模仿侵权和失控回答的风险。拿掉争议音色、先砍掉视频功能、用小范围 Alpha 摸清安全与模型边界，看起来是目前最稳妥的落地做法。