ChatGPT 測試版程式碼曝光：高階語音模式或將接入「即時攝像頭」

還記得半年前 OpenAI 演示裡那隻被 AI 即時點評的小狗嗎？畫完餅之後，這項功能終於在安裝包裡露頭了。

據 Rowan Cheung 在 X 上透露，ChatGPT 最新測試版 v1.2024.317 的程式碼中出現了「Live Camera」即時攝像頭相關程式碼。這意味著高階語音模式可能很快就要真正長出「眼睛」了。

給語音模式裝上眼睛

測試版程式碼中包含四項核心能力：即時攝像頭呼叫、即時畫面處理、視覺識別，以及與高階語音模式的深度結合。

說白了，就是讓你開啟手機攝像頭，讓 AI 邊看現實世界邊和你口頭交流。早在 5 月 OpenAI 舉辦的演示中，這項技術就曾亮相，當時語音模式直接通過攝像頭即時識別出了一隻狗，並順暢接話。

為什麼重要

我們認為，如果這項功能正式上線，語音助手才算真正邁入多模態時代。以前你需要先拍張照片再上傳提問，多了一步操作；而即時影片流能讓 AI 成為真正的現實嚮導，比如邊走邊看路牌、對著電器即時指導排障。

不過，目前它還只是埋在測試版程式碼裡的功能，OpenAI 尚未宣佈何時向用戶開放。即時處理持續影片流對伺服器頻寬和延遲的要求極高，OpenAI 能否在保證流暢對話的同時控制好算力成本，看起來會是公測前最大的門檻。