OpenAI 上线高级语音：新增 5 种声音与记忆功能，Plus 用户本周可用

等了几个月，OpenAI 那个会叹气、能被打断的语音助手，终于不再是少数人的测试玩具了。

Sam Altman 和 OpenAI 官方宣布，高级语音模式（Advanced Voice Mode，简称 AVM）从当天开始面向所有 ChatGPT Plus 和 Team 订阅用户推送，预计在一周内覆盖完毕。

官方还特意开了个玩笑：新版本可以用 50 多种语言字正腔圆地说一句「对不起，我迟到了」。

补齐记忆与新声音，但欧洲用户还得等

这项功能早在 5 月份的演示中就技惊四座，但 7 月开启小规模内测后，大部分付费用户只能眼巴巴看着。

在延期的这段时间里，OpenAI 往里面塞进了两项核心能力：自定义指令（Custom Instructions）和记忆功能（Memory）。这意味着你不用每次开口都重新介绍自己是谁、偏好什么风格，AI 能记住房客的名字、你的工作背景或是说话习惯。

声音阵容也变了。那款因为神似斯嘉丽·约翰逊而惹出争议的「Sky」声音已经彻底下线。取而代之的是 5 款以大自然为灵感的新声音，同时改善了方言与口音的识别能力，整体对话延迟更低、更流畅。

不过，这次推送并非全球同步。欧盟、英国、瑞士、冰岛、挪威以及列支敦士登等欧洲地区的用户，暂时还用不上这项功能。如果你不在受限地区但 App 里还没动静，社区里有人建议尝试卸载并重新安装客户端。

更值得留意的是缩水的部分。当时发布会上最吸睛的实时视频交互和屏幕理解，这次完全没有上线；它也还没接入最新的 o1 推理模型，无法在语音中处理复杂的逻辑推理。

为什么重要

在我们看来，这是大模型交互从「命令行模式」走向「直觉交流」的关键一步。

对普通用户来说，只要你每天有练口语、模拟面试或者需要开车时聊思路的需求，现在的体验已经完全碾压了过去那种「你说一段、等三秒、它机械念一段」的割裂感。它能捕捉语气、允许随意打断，用起来几乎没有心理门槛。

但如果从生产力工具的角度看，大家可能会稍感失望。缺少了实时摄像头输入和 o1 这种强逻辑后台，现在的 AVM 更像是一个极其顺滑的「电台陪聊」或口语私教，还无法替你盯着电脑屏幕找 bug，或者看着现实里的机械零件教你维修。

OpenAI 这次选择「砍掉复杂视觉功能先保语音上线」，做法相当务实。一方面可以平息付费用户的等待情绪，另一方面也通过增加记忆功能锁死日常交互黏性。接下来就看 Google 和苹果怎么接招了，如果手机原生助手迟迟达不到这种流畅度，用户跟 AI 说话的第一入口，很可能会被 OpenAI 彻底抢走。