近日 OpenAI 宣布推出新版 ChatGPT，增加了兩項(xiàng)新功能：語(yǔ)音輸入和圖像輸入。OpenAI 稱，新功能將在未來(lái)兩周內(nèi)向 ChatGPT Plus 訂閱用戶推出，其他人也將 " 很快 " 能夠使用這些功能。

語(yǔ)音輸入功能類似于手機(jī)上的語(yǔ)音助手，用戶只需按下一個(gè)按鈕，說(shuō)出自己的問(wèn)題，ChatGPT 就會(huì)將其轉(zhuǎn)換為文本，然后生成答案，再將答案轉(zhuǎn)換為語(yǔ)音，播放給用戶。OpenAI 表示，這樣的交互方式更加自然和便捷，而且由于 LLM 的技術(shù)優(yōu)勢(shì)，答案的質(zhì)量也會(huì)更高。OpenAI 還開(kāi)發(fā)了一種新的文本轉(zhuǎn)語(yǔ)音模型，可以根據(jù)幾秒鐘的樣本語(yǔ)音，生成與之相似的人聲。用戶可以從五種選項(xiàng)中選擇 ChatGPT 的聲音，而且這種模型還有更多的潛在用途。例如，OpenAI 正在與 Spotify 合作，將播客翻譯成其他語(yǔ)言，同時(shí)保留播客主持人的聲音。不過(guò)，這種模型也存在一些風(fēng)險(xiǎn)，比如可能被惡意利用來(lái)冒充公眾人物或進(jìn)行詐騙。因此，OpenAI 表示，這種模型不會(huì)被廣泛開(kāi)放，而是會(huì)受到嚴(yán)格的控制和限制。

圖像輸入功能則類似于 Google Lens，用戶可以拍攝自己感興趣的事物，并上傳到 ChatGPT 中。ChatGPT 會(huì)嘗試識(shí)別用戶想要詢問(wèn)的內(nèi)容，并給出相應(yīng)的回答。用戶還可以用應(yīng)用中的繪圖工具來(lái)幫助表達(dá)自己的問(wèn)題，或者配合語(yǔ)音或文本輸入來(lái)進(jìn)行交流。ChatGPT 的優(yōu)勢(shì)在于它可以進(jìn)行多輪對(duì)話，而不是一次性搜索。如果用戶對(duì)答案不滿意或想要更多信息，可以繼續(xù)向 ChatGPT 提問(wèn)，從而得到更準(zhǔn)確和全面的答案。當(dāng)然，圖像搜索也有一些潛在問(wèn)題。例如，在處理人物圖片時(shí)，OpenAI 表示他們限制了 ChatGPT 對(duì)人物進(jìn)行分析和直接評(píng)價(jià)的能力，既為了保證準(zhǔn)確性，也為了保護(hù)隱私，這意味著上傳一個(gè)人的照片就能知道他 / 她是誰(shuí)還無(wú)法實(shí)現(xiàn)。

自從 2022 年初推出 ChatGPT 以來(lái)，OpenAI 一直在努力為其機(jī)器人增加更多功能和能力，同時(shí)避免造成新的問(wèn)題出現(xiàn)。通過(guò)這次更新，該公司試圖在這條界線上尋找平衡點(diǎn)，通過(guò)有意識(shí)地限制其新模型能做什么來(lái)實(shí)現(xiàn)這一目標(biāo)。但是這種方法并不是長(zhǎng)久之計(jì)，隨著越來(lái)越多的人使用語(yǔ)音控制和圖像搜索，以及 ChatGPT 逐漸成為一個(gè)真正的多模態(tài)、有用的虛擬助手，要保持安全和合理的邊界會(huì)變得越來(lái)越困難。