重磅！ChatGPT实时语音终于要来了！附详细使用说明

大家好，我是木易，一个持续关注AI领域的互联网技术产品经理，国内Top2本科，美国Top10 CS研究生，MBA。我坚信AI是普通人变强的“外挂”，专注于分享AI全维度知识，包括但不限于AI科普，AI工具测评，AI效率提升，AI行业洞察。关注我，AI之路不迷路，2024我们一起变强。

对于AI领域的领头羊OpenAI，你在期待什么？GPT-5还是文生视频模型Sora？或者是ChatGPT实时语音功能！

对于ChatGPT实时语音功能，我们等了太久。而今天，它终于要来了！

就在刚刚，OpenAI通过社交媒体官宣，实时语音功能（OpenAI官方命名为：Advanced Voice Mode）将在本周内向所有ChatGPT Plus和Team会员用户推送。同时，OpenAI还为实时语音功能添加了自定义指令（Custom Instructi）、记忆（Memory）、五种新声音（five new voices），以及改进的口音（improved accents）。

如何知道自己已经被推送到实时语音功能了？很简单，在手机上打开ChatGPT app，点击页面右下角（输入框右侧）的语音按钮，如果你的账号已经被推送了实时语音，那么会看到下面这个截图中的确认信息。

点击Continue，ChatGPT会指导你开始选择你喜欢的声音音，此时已经可以看到新增加的五个声音了，标记为EW的就是新声音。点击每种声音，可以进行试听，选择你喜欢的声音即可。

点击Done，就可以开始和ChatGPT愉快的语音聊天了！

如果还没有被推送到这个新功能，则会在常规的语音聊天页面看到下面这个提示。

Advanced voice mode is on its way

Advanced voice mode is starting to roll out to all users. You don t have access yet, but check back soon to start using the new features.

算上新增加的五种新声音，目前ChatGPT内共有9种声音可以选择。

1. Sol（EW）– 聪慧且放松 (Savvy and relaxed)
   这是一种聪明而悠闲的声音，适合想要一种轻松愉快对话体验的用户。

2. Ember – 自信且乐观 (Confident and optimistic)
   这是一种充满信心和积极向上的声音，适合传达坚定与热情。

3. Maple（EW）– 活泼且坦率 (Cheerful and candid)
   这是一种充满活力和真诚的声音，适合轻松、开朗的对话。

4. Arbor（EW）– 随和且多才多艺 (Easygoing and versatile)
   这是一种随和且适应性强的声音，适合多种对话场景，给人轻松自然的感觉。

5. Juniper – 开朗且积极 (Open and upbeat)
   这是一种充满开放和积极向上情绪的声音，适合愉快的交流场景。

6. Vale（EW）– 明亮且好奇 (Bright and inquisitive)
   这是一种充满好奇心和求知欲的声音，给人一种明快而机智的感觉。

7. Spruce（EW）– 平静且充满肯定 (Calm and affirming)
   这是一种沉稳并富有肯定性的声音，适合营造安心的对话氛围。

8. Breeze – 生动且真诚 (Animated and earnest)
   这是一种充满生气和诚恳的声音，适合表达热情与真诚。

9. Cove – 沉着且直接 (Composed and direct)
   这是一种冷静且直接的声音，适合简洁明了的对话风格。

并且，OpenAI表示提高了部分外语的对话速度、流畅度和口音。虽然OpenAI并没有明确指出针对哪些外语（此处的外语指的是英语以外的语言）做了优化，但经过我的测试，在实时语音模式下，用中文和ChatGPT对话，ChatGPT的中文回复比之前强了很多，听起来更加自然流畅，没有之前那么生硬。

很多AI工具都有语音对话的功能，为什么ChatGPT的这个实时语音功能令人期待？

如果你使用过之前的ChatGPT或者Kimi的语音对话功能，你应该能感觉到这些传统的语音对话还是没有跳出“一问一答模式”，你对它说一句话，它首先会调用LLM模型生成输出文字，然后用文字转语音模型将这些输出文字以语音的形式“念”出来，在它念完之前，你无法再和它进行任何对话，不能中途打断。

这样的对话并不是真正的“对话”。

相比之下，ChatGPT的实时语音则更加自然、流畅，体验已经无限逼近了现实生活中的实时对话。这一新功能让用户可以在与ChatGPT的对话过程中随时插话、打断，就像与真人进行电话交流一样，不再受限于AI一问一答的模式。并且，过去AI生成语音回答需要等待数秒，如今这种延迟已被消除，ChatGPT能够即刻理解并给出回应，使整个对话过程更加连贯。

此外，情感感知能力也是实时语音功能的亮点之一。ChatGPT不仅能理解用户的语音内容，还能够识别出情绪变化，比如用户在讲话时喘息，它会建议你“慢下来”。这种智能情感反馈让互动变得更贴近人类沟通方式，使对话更加真实自然。

使用ChatGPT的实时语音功能需要满足2个条件：

1. 拥有一个ChatGPT账号。

2. 需要开通ChatGPT Plus或Team会员，因为目前实时语音功能仅对ChatGPT Plus和Team付费会员开放。个人用户建议开通ChatGPT Plus会员即可，高级模型（GPT-4o、o1）的使用次数足够个人使用了。

注意，ChatGPT的实时语音功能仅支持移动端（手机app）和Mac客户端，网页端是不支持语音功能的。

之前一直等待ChatGPT实时语音功能的小伙伴可以行动起来了！

都读到这里了，点个赞鼓励一下吧，小手一赞，年薪百万！😊👍👍👍。关注我，AI之路不迷路，原创技术文章第一时间推送🤖。