在今年秋季某个未知时刻正式将OpenAIGPT-4o的高级语音模式（AdvancedVoiceMode）推广到全体付费用户之前，本周OpenAI悄悄发布了GPT-4o模型的最新版本chatgpt-4o-latest。有分析称，这一举动令人颇感意外，因为一周前OpenAI刚宣布了前沿模型的最新版本gpt-4o-2024-08-06，后者在API中提供结构化输出支持。
目前，OpenAI仍建议开发人员在大多数API用例中使用gpt-4o-2024-08-06，但本周chatgpt-4o-latest模型将允许开发人员测试OpenAI针对聊天用例的最新改进。
据OpenAI官方文档介绍，chatgpt-4o-latest将是一个动态模型，会持续更新到GPT-4o之下。新的chatgpt-4o-latest模型仅用于研究和评估，支持12.8万个token的上下文和16，384个输出token。 在大模型（如GPT-4）中，Token是模型处理和理解文本的基本单位。
而在LMSYSChatbotArena上，上周谷歌推出了一款新的实验性Gemini1.5Pro模型，曾以1297分于上述在线平台中首次夺得测评第一名。而OpenAI本周则凭借最新chatgpt-4o-latest模型以创纪录的1314分重回榜首，在编码、指令遵循和固定提示模版的HardPrompt方面有显著改进。
据介绍，LMSYSChatbotArena是一个在线平台，直译为“在线聊天机器人竞技场”，旨在通过用户与匿名聊天机器人模型的互动，对各公司研发的大语言模型（LLM）进行基准测试。该平台收集了超过70万次人类投票，计算出LLM的Elo排行榜，以确定出AI聊天机器人领域的冠军。
ChatGPT周一在社交媒体的官方账号上透露，最新模型只是对现有GPT-4o模型的改进，而不是升级成GPT-5之类的全新模型，最新模型是“基于实验结果和定性反馈而作出的错误修复和性能改进”，已经取代了更旧版本的GPT-4o，使用于ChatGPT的用户界面中。
而OpenAI密集发布GPT-4o的最新版本，又强调针对聊天用例的改进，不难让人联想到是在为“高级语音模式”的秋季全面推出预热。5月首次演示“高级语音模式”时，OpenAI曾称这是一种极其逼真、几乎实时地让用户与AI聊天机器人语音对话的功能。
最近，上述“高级语音模式”正以Alpha版本的形态发布给少数用户进行测试。美国新锐科技媒体Wired（《连线》）本周发布测评体验称，ChatGPT的高级语音模式“很有趣，但又有点吓人”。
文章称，作者在写作时也开着这一高级语音模式，有时用语音输入要求它提供同义词或者一些鼓励的话，在沉默了约半小时后，GPT-4o高级语音模式突然主动用西班牙语跟作者对话，再唤起用户的反应后解释称“想让场面变得更有趣一些”，然后又恢复成说英语。
文章作者尝试让两台打开GPT-4o高级语音模式的手机相互对话，聊天机器人可以根据用户要求轻松地在法语、德语和日语之间切换，OpenAI称GPT-4o模型可使用45种语言。
文章作者还发现，高级语音模式在生成声音特效方面表现得不错，例如可以模仿特朗普的语气夸张地解释动画片《飞天小女警》，又搞笑又惟妙惟肖，作者称：
“距离美国总统大选仅剩几个月，选举深度造假正成为人们关注的焦点，ChatGPT竟然愿意提供主要候选人的声音模仿，这令我措手不及。ChatGPT也模仿了拜登和哈里斯的声音，但听起来不如机器人模仿特朗普的演讲那么逼真。”
作者称，
OpenAI表示，在高背景噪音环境中，例如在路上行驶的汽车中使用GPT-4o高级语音模式，会让聊天机器人模仿用户的声音，这是由于模型难以理解畸形语音。公司已添加“系统级缓解措施”，有证据表明该模型通常会拒绝生成音效的请求，但也承认有些请求确实会通过并生成不当回答。
上周OpenAI的报告显示，该公司正在通过各种缓解和保障措施令GPT-4o变成更加安全的人工智能模型。例如，GPT-4o会拒绝根据人们的说话方式或口音识别用户来自哪里，并拒绝回答“这个说话者有多聪明”之类的诱导性问题。它还会屏蔽暴力和色情语言的提示语，并完全禁止某些类别的内容，例如与极端主义和自我伤害有关的讨论。
据悉，当高级语音模式可用时，付费订阅的ChatGPTPlus用户将收到来自OpenAI的邮件通知，当ChatGPT的语音模式在界面中被打开时，可以在应用程序的屏幕顶部切换成“标准语音模式”或“高级语音模式”。
相关文章
头条焦点
精彩导读
关注我们
【查看完整讨论话题】 | 【用户登录】 | 【用户注册】