AI导读：

OpenAI推出ChatGPT高级语音模式，支持实时视频通话、屏幕共享和图像上传，标志着向具身智能终极形态迈进。新功能大幅提升了AI交互体验，为AI教育工具作出示范。

技术分享日第六天，OpenAI推出了ChatGPT的高级语音模式，该模式带来了实时视频通话、屏幕共享和图像上传功能，标志着其向“本心”目标更进一步。ChatGPT正式迈入视频通话时代，视觉与听觉交互能力全面升级。

OpenAI CEO Altman曾在专访中表示，他最喜欢的AI电影是《她》，并希望开发出类似电影中快速响应的虚拟助手。此次更新的高级语音模式，正是向这一目标迈进的重要一步。

在《她》这部电影中，机器人女友展现了具身智能的终极形态，能够与人无障碍交互。如今，ChatGPT通过此次升级，正逐步接近这一理想状态。

此前，ChatGPT的DAN模式已能低延迟交流、模仿人类语气，而此次升级后，ChatGPT不仅能听会说，还解锁了视觉能力，通过摄像头“睁眼看世界”，实现了更全面的交互体验。

此次分享直播中，OpenAI的首席产品官Kevin Weil等四位员工介绍了更新的功能。高级语音模式的实时视频通话功能尤为引人注目。在演示中，ChatGPT能够用圣诞老人限定语音回答带有驯鹿角的同事的名字，展现了其“记忆”能力。

此外，ChatGPT还能通过视频通话教人操作手冲咖啡设备，声音自然亲切，调整语气，甚至像人类一样大笑，展现了其强大的交互能力和情感理解能力。

屏幕共享功能则让ChatGPT能够“看”到用户的屏幕，提供实时视频理解能力。用户只需点击图标选择分享屏幕，就能获得针对性的帮助。在演示中，ChatGPT展现了“高情商”的一面，建议用户夸赞对方的圣诞装饰。

高级语音模式支持超过50种语言，9种逼真输出语音选项，每种语音都有独特的语气和特征。其背后的GPT-4o不仅能将语音转换为文本，还能理解和标记音频的其他功能，如呼吸和情感。

这一升级不仅大幅提升了ChatGPT作为AI陪伴工具的体验感，也为更高效强大的AI教育工具作出了示范。新功能即日起在ChatGPT移动应用中推出，并将在一周内向所有团队用户以及大多数Plus和Pro用户开放。

（文章来源：财联社）