ChatGPT 测试版代码曝光：高级语音模式或将接入「实时摄像头」

还记得半年前 OpenAI 演示里那只被 AI 实时点评的小狗吗？画完饼之后，这项功能终于在安装包里露头了。

据 Rowan Cheung 在 X 上透露，ChatGPT 最新测试版 v1.2024.317 的代码中出现了「Live Camera」实时摄像头相关代码。这意味着高级语音模式可能很快就要真正长出「眼睛」了。

给语音模式装上眼睛

测试版代码中包含四项核心能力：实时摄像头调用、实时画面处理、视觉识别，以及与高级语音模式的深度结合。

说白了，就是让你打开手机摄像头，让 AI 边看现实世界边和你口头交流。早在 5 月 OpenAI 举办的演示中，这项技术就曾亮相，当时语音模式直接通过摄像头实时识别出了一只狗，并顺畅接话。

为什么重要

我们认为，如果这项功能正式上线，语音助手才算真正迈入多模态时代。以前你需要先拍张照片再上传提问，多了一步操作；而实时视频流能让 AI 成为真正的现实向导，比如边走边看路牌、对着电器实时指导排障。

不过，目前它还只是埋在测试版代码里的功能，OpenAI 尚未宣布何时向用户开放。实时处理持续视频流对服务器带宽和延迟的要求极高，OpenAI 能否在保证流畅对话的同时控制好算力成本，看起来会是公测前最大的门槛。