ChatGPT 高階語音模式早期演示曝光：能學方言糾正發音，還會講笑話

聽一段機長廣播，背景帶著對講機的滋滋雜音，甚至還會自己講土耳其語笑話笑出聲來。這幾天，OpenAI 終於把春季釋出會上備受關注的新語音功能推到了真實使用者手裡。

不過，這次開放相當剋制。OpenAI 只是通過郵件向極少數 ChatGPT Plus 訂閱使用者發放了「高階語音模式」（Advanced Voice Mode）的 Alpha 測試資格。拿到內測資格的使用者已經在社交平臺上發出了大量實測影片。

學方言、糾正發音，甚至還能唱藍調

根據流出的實測，新功能最直觀的改變是低延遲和對真實語境的模擬。

在 X 平臺使用者 @nickfloats 發出的一段演示中，他讓 ChatGPT 模擬正在對乘客喊話的機長。ChatGPT 響應時間不到一秒，甚至主動把聲音處理成了類似機艙對講機的機械質感。不過，當用戶要求它再疊加背景裡的飛機引擎轟鳴聲時，它處理得還有些吃力。

新模式在語言教學和口音模仿上也展現出了新能力。有測試顯示，ChatGPT 能直接指出使用者法語發音中的聲調起伏問題，並給出調整建議。

在土耳其語測試中，它按照要求聲情並茂地講故事，過程中還會適時地大笑甚至抽泣，儘管當地網友指出它的口音聽起來還不夠地道。

此外，它還能拿捏紐約、波士頓、威斯康辛以及典型的加州腔調。在歌唱展示裡，它用藍調風格唱了《生日快樂》，甚至還嘗試模仿青蛙和貓叫聲來完成同一首歌。

實測影片裡出現了多種不同的男女音色。此前在 5 月因演員斯嘉麗·約翰遜事件引發爭議的「Sky」音色，這次完全沒有出現。

至於釋出會上曾驚豔全場的即時影片和螢幕共享功能，這次並未上線。OpenAI 表示這些功能會推遲到更晚的時候提供。OpenAI 發言人 Taya Christianson 證實，高階語音模式預計在今年秋季向所有每月 20 美元的 Plus 訂閱使用者開放。

為什麼重要

對使用者來說，這意味著人機互動終於擺脫了「打字等回覆」的冷清感。對於想練外語發音、模擬英文面試，或者單純需要一個高情商傾聽者的人來說，它的價值非常直接。不過我們認為，現在為了語音功能去充值 Plus 還為時過早，畢竟目前只是極少數人的 Alpha 測試，視覺互動缺席也讓體驗打了折扣，大部分人等到秋季全量上線再試也不遲。

對行業而言，GPT-4o 展現出的情緒感知和即時打斷能力，直接把語音助手的標準拉高了一大截。以往那種機械死板的「朗讀文本」正在被淘汰，這無疑會倒逼蘋果的 Siri 和谷歌的語音助手加快換代步伐。

我們認為，OpenAI 這一步走得很聰明也很剋制。端到端即時語音不僅算力消耗驚人，還潛藏著模仿侵權和失控回答的風險。拿掉爭議音色、先砍掉影片功能、用小範圍 Alpha 摸清安全與模型邊界，看起來是目前最穩妥的落地做法。