OpenAI 上線高階語音：新增 5 種聲音與記憶功能，Plus 使用者本週可用

等了幾個月，OpenAI 那個會嘆氣、能被打斷的語音助手，終於不再是少數人的測試玩具了。

Sam Altman 和 OpenAI 官方宣佈，高階語音模式（Advanced Voice Mode，簡稱 AVM）從當天開始面向所有 ChatGPT Plus 和 Team 訂閱使用者推送，預計在一週內覆蓋完畢。

官方還特意開了個玩笑：新版本可以用 50 多種語言字正腔圓地說一句「對不起，我遲到了」。

補齊記憶與新聲音，但歐洲使用者還得等

這項功能早在 5 月份的演示中就技驚四座，但 7 月開啟小規模內測後，大部分付費使用者只能眼巴巴看著。

在延期的這段時間裡，OpenAI 往裡面塞進了兩項核心能力：自定義指令（Custom Instructions）和記憶功能（Memory）。這意味著你不用每次開口都重新介紹自己是誰、偏好什麼風格，AI 能記住房客的名字、你的工作背景或是說話習慣。

聲音陣容也變了。那款因為神似斯嘉麗·約翰遜而惹出爭議的「Sky」聲音已經徹底下線。取而代之的是 5 款以大自然為靈感的新聲音，同時改善了方言與口音的識別能力，整體對話延遲更低、更流暢。

不過，這次推送並非全球同步。歐盟、英國、瑞士、冰島、挪威以及列支敦斯登等歐洲地區的使用者，暫時還用不上這項功能。如果你不在受限地區但 App 裡還沒動靜，社群裡有人建議嘗試解除安裝並重新安裝客戶端。

更值得留意的是縮水的部分。當時釋出會上最吸睛的即時影片互動和螢幕理解，這次完全沒有上線；它也還沒接入最新的 o1 推理模型，無法在語音中處理複雜的邏輯推理。

為什麼重要

在我們看來，這是大模型互動從「命令列模式」走向「直覺交流」的關鍵一步。

對普通使用者來說，只要你每天有練口語、模擬面試或者需要開車時聊思路的需求，現在的體驗已經完全碾壓了過去那種「你說一段、等三秒、它機械念一段」的割裂感。它能捕捉語氣、允許隨意打斷，用起來幾乎沒有心理門檻。

但如果從生產力工具的角度看，大家可能會稍感失望。缺少了即時攝像頭輸入和 o1 這種強邏輯後臺，現在的 AVM 更像是一個極其順滑的「電臺陪聊」或口語私教，還無法替你盯著電腦螢幕找 bug，或者看著現實裡的機械零件教你維修。

OpenAI 這次選擇「砍掉複雜視覺功能先保語音上線」，做法相當務實。一方面可以平息付費使用者的等待情緒，另一方面也通過增加記憶功能鎖死日常互動黏性。接下來就看 Google 和蘋果怎麼接招了，如果手機原生助手遲遲達不到這種流暢度，使用者跟 AI 說話的第一入口，很可能會被 OpenAI 徹底搶走。