在首次向公众展示的四个月后，OpenAI终于要面向其所有付费用户开放ChatGPT的类人高级人工智能（AI）语音助手功能——“高级语音模式”（Advanced Voice Mode，以下简称AVM）。OpenAI周二（24日）宣布，所有付费订阅ChatGPT Plus和Team计划的用户，都将可以使用新的AVM功能，不过该模式将在未来几天逐步推出。它将首先在美国市场上线。

下周，该功能将向OpenAI Edu 和Enterprise 计划的订阅者开放。

据悉，AVM提高了部分外语的对话速度、流畅度并改进口音。

此外，AVM还新增了两大功能：为语音助手存储“自定义指令”，以及记住用户希望语音助手表现何种行为的“记忆”的功能（这类似于今年4月OpenAI为ChatGPT文本版本推出的记忆功能）。

也就是说，ChatGPT用户可以利用自定义指令和“记忆”来确保语音模式是个性化的，AVM会根据他们对所有对话的偏好做出响应。

语音方面，OpenAI推出了五种不同风格的新声音：Arbor、Maple、Sol、Spruce 和 Vale，加上之前老版本的四种声音Breeze、Juniper、Cove和Ember，可选声音达到九种，撤走了被指山寨“寡姐”（女演员斯嘉丽·约翰逊）的声音Sky。

这意味着，ChatGPT的Plus版个人用户和小型企业团队用户（Teams）可以通过“说话”的方式，而不是输入提示来使用聊天机器人。当用户在应用程序上进入语音模式时，他们会通过一个弹出窗口知道他们已经进入了高级语音助手。

最后值得一提的是，AVM可以用超过50种语言说“对不起，我迟到了”。

根据OpenAI在X上发布的一段视频，用户要求语音助手表达，由于让奶奶久等了，向奶奶致歉。AVM先用英语流畅地总结了一遍，并在用户表示“奶奶只会说普通话”后，又用标准的中文普通话表达了一遍。

不过据悉，这些更新只适用于OpenAI的AI模型GPT-4o，不适用于最近发布的预览模型o1。

今年5月，OpenAI首次展示了这款语音产品，并展示了它如何快速响应用户发出的书面和视觉提示。但在6月，以解决潜在安全问题为由，推迟发布。到了7月份，该功能也只面向有限数量的ChatGPT Plus用户开放。

不过，新的语音模式缺少5月OpenAI展示过的不少功能，比如计算机视觉功能。该功能可让GPT仅通过使用智能手机的摄像头就对用户的舞蹈动作提供语音反馈。