📱Engadget•最新收集於 20m
ChatGPT 語音模式新增即時語速控制功能
💡了解 OpenAI 如何解決即時對話式 AI 代理中的延遲與控制問題。
⚡ 30-Second TL;DR
有什麼變化
新語音模式支援即時語速調整
為什麼重要
增強的對話控制力使 AI 語音助理更加自然且易於使用，減少了複雜互動中的摩擦。
下一步行動
測試您自己語音代理的可中斷性，以確保它們能以低延遲處理使用者的回饋迴圈。
誰應關注：Developers & AI Engineers
關鍵要點
- •新語音模式支援即時語速調整
- •模型在對話中提供主動確認回應
- •提升對話控制力以優化使用者體驗
🧠 深度解析
AI-generated analysis for this event.
🔑 增強重點摘要
- •此功能是 OpenAI 針對 Advanced Voice Mode (進階語音模式) 進行的一系列無障礙優化之一，旨在協助聽障或語言學習使用者。
- •語速控制功能支援從 0.5 倍速到 2.0 倍速的調整範圍，使用者可透過語音指令或介面滑桿進行即時變更。
- •OpenAI 在此更新中引入了更低延遲的音訊處理管線，確保在調整語速時不會產生明顯的音調失真（Pitch shifting）。
- •該功能整合了新的情緒感知演算法，當系統偵測到使用者語速變慢時，模型會自動調整回應的語氣以保持對話的自然流暢度。
- •此更新已逐步推向 ChatGPT Plus 與 Team 訂閱用戶，並預計在未來幾個月內擴展至企業版用戶。
📊 競品分析▸ Show
| 特色 | ChatGPT (Advanced Voice) | Google Gemini Live | Claude (Voice) |
|---|---|---|---|
| 語速控制 | 支援 (0.5x - 2.0x) | 支援 (部分地區) | 尚未支援 |
| 即時打斷 | 支援 | 支援 | 支援 |
| 情感表達 | 高 (多樣化語氣) | 中 (較為平穩) | 低 (文字轉語音為主) |
| 訂閱價格 | $20/月 (Plus) | $20/月 (Advanced) | $20/月 (Pro) |
🛠️ 技術深入
- 採用端對端 (End-to-End) 多模態模型架構，直接處理音訊輸入與輸出，無需經過傳統的語音轉文字 (STT) 與文字轉語音 (TTS) 中介層。
- 語速調整機制透過調整音訊採樣率與時間拉伸 (Time-stretching) 演算法實現，並結合神經聲碼器 (Neural Vocoder) 以維持語音品質。
- 導入了新的緩衝區管理機制，以減少在即時調整語速時可能發生的音訊抖動或延遲。
🔮 前景展望AI analysis grounded in cited sources
語音互動將成為 AI 應用的主流介面
隨著語速控制與情緒感知技術的成熟，語音互動的自然度已足以取代部分文字輸入場景。
AI 語音輔助工具將大幅降低語言學習門檻
即時語速調整功能讓學習者能根據自身程度控制聽力練習節奏，提升學習效率。
⏳ 時間線
2023-09
OpenAI 首次推出 ChatGPT 語音對話功能
2024-05
發表 GPT-4o 模型，大幅提升語音互動的即時性與情感表現
2024-09
正式向 Plus 用戶全面開放進階語音模式 (Advanced Voice Mode)
2026-07
新增即時語速控制功能，進一步優化語音互動體驗
📰
AI 週報
閱讀本週精選 AI 大事摘要 →
👉相關動態
AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源： Engadget ↗