ChatGPT 现已具备视觉、听觉与语音功能：探索升级版的人工智能体验

Home AI News CN ChatGPT 现已具备视觉、听觉与语音功能：探索升级版的人工智能体验

OpenAI 最近推出了 ChatGPT 的重大更新，增加了语音和图像功能，使得这个 AI 聊天机器人能够“看、听、说”。这一增强提供了一个更为直观的界面，让用户可以以全新的方式与平台互动。

新集成的图像功能让用户能够上传图片，以便获取信息或针对特定图像内容提问。例如，如果你想了解埃菲尔铁塔，只需拍一张照片并用它作为提示。如果在做数学题时遇到困难，可以拍下作业并突出显示难题，让 ChatGPT 帮助你解决。

除了图像提示，ChatGPT 还新增了语音互动功能。用户可以通过语音请求食谱或讲睡前故事，AI 会处理这些请求并进行语音回复，从而提升用户体验。

在接下来的两周内，ChatGPT Plus 和企业用户将陆续获得这些语音和图像功能。语音功能支持 iOS 和 Android 设备，但用户需通过设置菜单进行选择。图像功能将在所有平台上可用。

OpenAI 表示，开发者将在这些功能发布后不久获得访问权限，虽然具体时间尚未确认。

理解图像交互

ChatGPT 的增强图像功能基于其多模态版本的 GPT-3.5 和 GPT-4 模型。用户可以上传一张或多张图像并配以文本提示。如果希望关注图像的特定部分，移动界面提供了简单的绘图工具进行标注。

举例来说，一位骑自行车的人若需要调整座位，可以上传相关图像，并获得关于如何找到快拆杆或螺栓的明确指导。

OpenAI 强调，ChatGPT 的视觉能力旨在帮助处理日常实际任务。公司表示：“当它能看到你所看到的时，它会表现得最好。”

探索语音互动

新语音功能革新了用户与 ChatGPT 的互动方式，使交流变得更加生动。这一能力超越了标准消费级 AI 助手（如 Siri、Alexa 和 Google Home）。新开发的文本转语音模型能够将简单文本生成接近人类的音频，同时专业配音演员赋予了多种声音效果。

此外，OpenAI 还利用其 Whisper 语音识别模型，准确将口语转录成文本。用户可以通过设置中的“新功能选项卡”选择自己喜欢的五种声音，从而个性化体验。

与此同时，OpenAI 正在与流媒体服务 Spotify 合作，提升语音聊天能力，使播客内容能够进行自动翻译。

确保安全与隐私

OpenAI 承诺在这些新功能的推出中保障用户安全。该组织实施了多项安全措施，与第三方合作以识别潜在风险和限制。此外，技术限制已被设立，以减少对图像中个体的分析，确保透明度关于模型的边界。

进行过全面测试以应对多种顾虑，包括防止滥用和维护隐私。OpenAI 认识到 ChatGPT 在非英语语言（特别是使用非罗马字母的语言）方面可能面临的挑战，建议非英语用户在使用该平台时谨慎。

随着这些功能的上线，用户将期待与 ChatGPT 的互动体验更加丰富和生动，彻底改变他们获取信息和使用这一先进 AI 工具的方式。

人工智能发现每日坐超过10小时与阿尔茨海默症风险增加之间的关联

亚马逊投资40亿美元支持Anthropic，竞争对手于OpenAI

Most people like

Scale AI

364.8K

Scale AI专注于提供高质量的训练数据，以支持各种人工智能应用。我们的数据可靠且经过精心筛选，旨在帮助企业提升AI模型的性能与准确性。

人工智能训练数据 AI 图像识别

Vidu AI

424.5K

人工智能视频生成器，让您轻松创作高质量视频内容。无论是营销、教育还是娱乐，这款工具都能助您一臂之力，实现创意的完美呈现。

AI视频生成器文字转视频工具

Finvi

15K

ARM与医疗保健行业的人工智能驱动工作流平台在当今快速发展的医疗保健领域，ARM（人工智能资源管理）正通过其创新的工作流平台，利用人工智能的潜力来提升效率和患者护理。该平台集成了先进的算法和数据分析，帮助医疗机构优化运营，降低成本，并实现更加精准的疾病诊断与治疗方案。本篇文章将探讨ARM如何推动医疗行业的数字化转型、提高工作效能，并确保患者获得更好的医疗服务。

人工智能驱动的工作流程平台医疗健康工具

Rolemantic AI

473.1K

NSFW AI 聊天与图片生成：探索人工智能的边界在本篇文章中，我们将深入探讨NSFW（不适合工作场合）人工智能在聊天和图片生成方面的应用。随着技术的不断进步，AI不仅能够生成逼真的图像，还能进行引人入胜的对话。无论您是开发者、内容创作者，还是对AI技术感兴趣的读者，这里都将提供您所需的见解和灵感。

不适合工作场所的AI聊天 NSFW

Find AI tools in YBX