四个月前，美国人工智能研究公司OpenAI推出了新旗舰模型“GPT-4o”。当时，一个重大更新就是，AI能实现和人类语音对话了。现场演示的AI对话非常丝滑，就跟一个真人在跟你说话一样。
毫不夸张地说，那一夜几乎所有行业从业者们都震惊了。ChatGPT越来越像一个真人了——能说、能看、能听、能感受、甚至能思考。这不就是一个活生生的人类么？
但是，之前的好几个月，这个功能都没有对外开放。今天，终于更新上线了。
OpenAI24日宣布，所有付费订阅ChatGPT Plus和Team计划的用户，都将可以使用新的“高级语音模式”功能，不过该模式将在未来几天逐步推出。
我梳理了几个重要的信息点：
第一，OpenAI推出了五种不同风格的新声音：Arbor、Maple、Sol、Spruce 和 Vale，加上之前老版本的四种声音Breeze、Juniper、Cove和Ember，可选声音达到九种，撤走了被指山寨“寡姐”（女演员斯嘉丽·约翰逊）的声音Sky。
有些朋友可能不知道斯嘉丽·约翰逊，简单说就是一个非常好看又有才华的演员，是很多人心目中的女神。现在37岁，但是岁月从来不败美人，附上一张突：
之前版本里Sky的声音和这个美女的声音太像了，为了避免麻烦，所以这次这个声音被撤掉了。
第二，OpenAI介绍，先进的语音助手可以用超过50种语言说“对不起，我迟到了”，在视频演示中，用户可以要求语音助手总结想要表达的意思，AI助手按照要求用英语说了一遍，然后，在用户提示AI只会说普通话之后，AI助手又用标准的普通话说了一遍。
不仅会说中国普通话，而且还会说多种方言。这是讨好中国？讨好中国用户？但是，没啥用啊，大陆根本不能用，所以谁在用中国普通话来对话呢？答案一目了然……
第三，根据科学家Drew对GPT-4o语音系统的使用体验的描述，你可以让它扮演面试官，帮助你进行模拟面试；或者创建一个完全虚拟的场景，与它一起进行沉浸式的角色扮演。
其实，国内很多AI大模型都已经有了语音对话的功能，但是说实话，能够让AI实现角色扮演还是有困难的，而且在这方面也涉及一些法律方面的风险。
不光是我们有管理，AI的发展面临全球各个国家不同的管理限制。比如在欧盟，识别别人的情绪是犯法的，所以欧盟网友暂时不能使用这个语音功能。
第四，还有一个比较关键的槽点，“高级语音模式”有时长限制，并且这个限制也是变化的。目前是，当用户的使用时间剩余15分钟时，系统就会发出提醒。
所以，很多人说要搞一个24小时陪伴的AI男友女友，暂时还是别抱希望了。还有，这个功能将首先在美国市场上线。下周，将向OpenAI Edu 和Enterprise 计划的订阅者开放。
这么看来，这个功能惊艳程度远远没有预告的时候高。虽然不能说是期货，但是时间限制而且还有账号限制，这各种限制加起来和期货都没啥区别了。反观国内的AI们，通义千问、文心一言、豆包等等基本都早就上线了语音通话的功能了。
而且，有朋友说，ChatGPT这几个音色，不如豆包的好听。我没有验证，但我感觉可能国产大模型更懂国人音色上的需求吧。
ChatGPT这种挤牙膏式的更新，恍惚间给我一种苹果在功能上追赶国产机的感觉……长此以往，人们对OpenAI的耐心迟早会消耗殆尽。
