美东时间9月25日，OpenAI在官网宣布，对ChatGPT进行重磅升级实现看图、听声音、输出语音内容三大功能。

早在今年3月OpenAI发布GPT-4模型时，就展示过看图的功能，但由于安全、功能不完善等原因一直没有开放。现在不仅开放了看图，连识别声音也来了，这是OpenAI实现AGI（通用人工智能）战略重要技术环节。

OpenAI表示，在接下来的两周内，向Plus和企业版用户提供看、听、说功能。语音功能将在 iOS 和 Android上使用，图片识别全平台可以使用。

用语音与ChatGPT交流

ChatGPT新的语音功能由一个文本到语音模型提供支持，能够仅通过文字和几秒钟的样本语音生成类似人类的音频。

OpenAI与专业的配音演员合作，创建了5种合成语音，同时使用了自研开源语音识别系统 Whisper，将用户的语音转录成文本。

简单来说，以后用户想将文本直接生成语音，可以在ChatGPT中完成了。

例如，让ChatGPT听一段小猫咪的文本故事，然后选择人类语音便可以一键完成转录。完成后，用户可以下载这段语音。

本文素材来源OpenAI官网，如有侵权请联系删除

继续阅读：

未经允许不得转载：RPA中国 | RPA全球生态 | 数字化劳动力 | RPA新闻 | 推动中国RPA生态发展 | 流 > ChatGPT重磅升级：可以看图、听声音、说话啦！