ChatGPT版Her被玩疯:哭着读诗 中文表现也很亮

要闻 2024-08-01 17:02:22
导读 上线仅仅一天,GPT-4o的高级语音功能(Advanced Voice Mode)简直要被玩疯了。无数网友脑洞大开的疯狂测试,GPT-4o这边呢,不仅各种奇葩...
2024-08-01 17:02:22

上线仅仅一天,GPT-4o的高级语音功能(Advanced Voice Mode)简直要被玩疯了。

无数网友脑洞大开的疯狂测试,GPT-4o这边呢,不仅各种奇葩任务全盘接收,表现好到更是让不少人连连惊呼“Blow my mind”。

例如有位网友要求GPT-4o用中文讲个故事,它的表现是这样的:

视频地址:https://mp.weixin.qq.com/s/YAC56GANpNfrrpc8q3Jf6w

很多懂中文的网友看罢,纷纷表示不论是情绪还是整体的描述,GPT-4o的表现都比较OK。

但也并非完美,例如它的语速略显慢了些,以及把“气”读成了“kì”。

还有更像人的例子,仔细听:

视频地址:https://mp.weixin.qq.com/s/YAC56GANpNfrrpc8q3Jf6w

你没听错,GPT-4o在读美国女诗人Emiliy Dickinson的作品时,她哭了!

(颇有种情到深处自然浓的感觉)

这效果可把网友们吓得不轻,表示“毛骨悚然”。

然而这还只是网友们疯狂测试的一隅,还有很多好玩的例子,我们继续往下看。

数1-100,贼快

如果让你用英文从1数到10,越快越好,你需要几秒?

有网友就给GPT-4o提了这个要求,来感受下AI的语速:

视频地址:https://mp.weixin.qq.com/s/YAC56GANpNfrrpc8q3Jf6w

当网友要求它以更快的速度读1-10时,“AI字幕”识别功能都失效了。

而当GPT-4o被要求速读1-50时,我们还可以听到他还会像人一样有大口换气的动作。

接下来,这位网友提出了更高的要求——速读1-100:

视频地址:https://mp.weixin.qq.com/s/YAC56GANpNfrrpc8q3Jf6w

虽然前期没有完全get网友的要求,但在他不断地引导之下,GPT-4o最终还是完成了速读1-100的任务。

除此之外,在搞怪方面,GPT-4o学猫叫也是一绝:

视频地址:https://mp.weixin.qq.com/s/YAC56GANpNfrrpc8q3Jf6w

(我们一起学猫叫,一起喵喵喵~)

当然,以实时性和多语种出圈的语音功能,网友定然也不会放过测试这项任务。

主打一个随意打断、随意切换:

乌尔都语→希伯来语→挪威语→摩洛哥达利加语→阿姆哈拉语→匈牙利语→格鲁吉亚语→克林贡语。

视频地址:https://mp.weixin.qq.com/s/YAC56GANpNfrrpc8q3Jf6w

还有更加实用的功能。

例如如果你在玩一款日本游戏,但却看不懂日文,那就直接让GPT-4o来帮忙就好了:

视频地址:https://mp.weixin.qq.com/s/YAC56GANpNfrrpc8q3Jf6w

好家伙,GPT-4o直接摇身一变,成了实时翻译官了。

“自然的语音是关键”

除了上面这些具体的案例,沃顿商学院教授Ethan Mollick也谈了谈他的感受。

他将GPT-4o的高级语音功能总结为三点:

它和OpenAI当时演示的效果一样好。它显然能够生成更多音频,但存在限制。它令人毛骨悚然。大量无意识的线索让人感觉像是在与一个人交谈。

并且Ethan教授还认为,这种非常自然、拟人的语音,正是改变人类与AI交互性质的关键(虽然底层模型是我们用了很久的那个)。

但实际上,高级语音模式与ChatGPT现有的语音功能存在明显差异。

ChatGPT 之前的语音处理方式依赖于三个不同的模型:首先是将语音信号转化为文字的模型,其次是 GPT-4 用于解析和回应用户指令,最后是将 ChatGPT 的输出文本转换为语音的模型。

相比之下,GPT-4o 具备多模态能力,能够独立完成这些任务,无需其他模型的辅助,这大大减少了对话过程中的等待时间。

此外,OpenAI 还强调 GPT-4o 能够识别并响应用户语音中的情感变化,例如能够感知到悲伤、兴奋等情绪。

而随着越来越多网友晒出他们的测试结果,底下的吃瓜群众们是按耐不住了,纷纷表示希望OpenAI快点让更多人体验上。

那么你觉得用GPT-4o的高级语音功能,还能有什么更有意思的玩法?欢迎在评论区留言讨论~

免责声明:本文由用户上传,如有侵权请联系删除!