阿虚同学
读完需要
速读仅需 3 分钟
OpenAI 上个月底，终于是把鸽了快半年的高级语音上线了！
虽然网友们实测，表现的确和官方演示一致，实时对话更加自然、富有感情，甚至能说方言了
但除了仅对每月支付 20 美金的 Plus 用户开放，被最多吐槽的就是：Plus 用户依然有每日限额，而且只有 15 分钟！！！
▲图源抖音@维哥AI社
你说 15 分钟能干嘛？除了让你体验一下，啥也干不了啊！
妄想让他来给你情感陪聊、教你口语、给你科普知识讲故事啥的统统不太现实，这点时间够聊点啥？小学一堂课都有 40 分钟，所以实际应用来说就是「主打一个逗你玩」
反观国内有些大模型公司，就真要实在得多
上个月我才说智谱在国内首发了 OpenAI 一直在鸽的 AI 视频通话，没想到短短一个月时间，他们的产品又双叒进化了！
之前的智谱说话的声音确比较机械与平淡，无论什么对话，回复都是同一个感觉，被很多用户吐槽
但想不到短短一个月时间，智谱就认识到了他们产品的缺点并加以了改进
对的，这次升级的内容，就是和 OpenAI 类似的情感语音。但智谱这家公司是真的实在，对比国外：这次更新是发布即上线，上线就开源，所有用户都可以直接免费使用！
在与 AI 人机交互体验这条赛道上，智谱继续保持着国内技术领先的位置
1
情感语音通话
如今的 " 小智 " 讲起话来整一个脱胎换骨，说话就像真人一样生动丰富
具体怎么样，大家可以点击下方视频直观感受一下
2
与TTS的区别
可能有些粉丝会说：就这？不就是换了一个逼真一点的 TTS 吗？
2.1
情感表达和共鸣
但智谱清言的这次更新还真不是换个TTS那么简单，大家可以再听一听下面这段来自 " 小智 " 的激情足球解说：
就阿虚所知，目前市面上还真没哪个 TTS 语音能做出上面这种效果，就算是阿虚之前反复推崇的微软神经网络 TTS也做不到（热衷听书的粉丝应该深有体会）
现在的 " 小智 " ，可谓各种人设、情绪、语气都能轻松拿捏，比如用阴森森的语气给你讲个鬼故事：
又或者摇身一变私人老师，语气非常轻柔的带着你做正念冥想：
再要是你家里有小孩儿，智谱这下真成「哄陪神器」了！
不再是单纯的能念儿童故事而已，更是可以用小朋友喜欢的口吻、语速来陪小朋友交流
甚至聊天过程中还会用上逼真的拟声词吸引小朋友的注意！真不敢想以后带娃能有多轻松
2.2
多语言多方言
而且不止是会模仿动物叫声，各地方言 " 小智 " 现在也是随意切换
虽然她这四川话在阿虚这个四川人听来真的一点儿都不标准，一口子外地口音
但或许因为智谱是家北京的公司吧，我让她换成北京话，感觉就要好很多
另外智谱官方说她除了北京腔、东北腔、台湾腔，也还擅长粤语
我试着让她用粤语念了首李白的《静夜思》，身在广东、香港、澳门等地的朋友可以听听她这发音标不标准？
另外话说回来，智谱应该是国内首家能用粤语交流的人工智能助手了，至少我测试了下其他同行的产品，目前仍然是都不支持的
2.3
调节语速
不过要说最好玩的，还得是要求她调整语速，比如你要是觉得她念东西太慢了，可以随时打断她，灵活输入指令让她念快一点
我试着让她念了一段「吃葡萄不吐葡萄皮」的绕口令，头一次碰见念绕口令能把自己噎住的 AI
不仅气息这些细节还原的很准，结合方言让她给你来一段难度极高的方言绕口令也是没问题
我又试着让 " 小智 " 给我来了一段B-BOX，更是没把我人给笑翻
原来用 Siri 的时候，我就可以拿这个玩一下午。这下好了，有了更好玩的折对象了
注：目前情感语音还属于前期测试，暂时还没加到视频通话上。不过实际就是改个接口的事，估计后续很快就会上线，大家可以耐心等待一下
其实我一直觉得「语音交互」必然是未来人工智能的终极形态之一
因为你一旦习惯了语音输入，语音控制全屋家电、语音开启车机导航等种种
就会发现人机交互原来可以如此便捷简单，也是如此让人离不开
毕竟这是人类最基础的交流方式之一，也是无需人机交互界面，最便捷的交互方式之一
智谱这家公司不知道是不是和阿虚抱有同样的想法，我发现他们似乎是准备深耕 AI 交互这个方向了，从之前的视频通话，再到现在的情感语音
但无论如何，他们这家公司在我的印象中还挺特别的
因为他们开源了文本大模型 GLM-4，又开源了文生图模式 GogView3，甚至开源了视频生成模型 CogVideoX，这次还直接开源这个情感语音技术
都说开源的人，先拥抱世界
这不仅需要勇气，更是需要一种信念
我们有理由相信，在越来越多这样愿意开源的公司的努力下
国产 AI 的体验会愈发丝滑，整个行业的发展也会愈加昌盛
