GPT-4语音功能终于如期而至，科幻版Her走进现实。一些灰度测试到的用户已经开始尝试这项新功能。目前，OpenAI只提供了4种预设语音。此外，GPT-4新模型的输出token也大幅增加至64K，是之前的16倍。
赶在7月结束前，GPT-4语音模式开启了灰度测试，部分ChatGPT Plus用户已获得使用权限。OpenAI表示，高级语音模式提供了更加自然、实时的对话体验，用户可以随意打断，系统甚至能感知和回应用户的情绪。预计今年秋季，所有ChatGPT Plus用户都能使用这项功能。
此外，视频和屏幕共享等更强大的功能也将在稍后推出。用户将能够开启摄像头与ChatGPT进行"面对面"交流。
一些获得灰度测试资格的用户已经开始探索GPT-4语音模式的各种应用场景。例如，有人将其用作"外语教练"，帮助练习口语。ChatGPT能够纠正用户的发音，如Croissant（羊角面包）和Baguette（法式长棍）等单词。
与此同时，GPT-4的输出token大幅增加。OpenAI最近在官方网页中悄然推出了测试版新模型gpt-4-64k-output-alpha，将输出token从最初的4000个增加到64000个。这意味着用户可以一次性获得约4个完整的长篇电影剧本。
OpenAI表示，之所以现在才推出GPT-4语音功能，是因为过去几个月一直在进行安全性和质量测试。他们与100多名红队成员对GPT-4的语音能力进行了45种语言的测试。为保护用户隐私，系统只使用4种"预设声音"进行对话，并创建了一个系统来阻止其他声音的输出。此外，还采取了内容过滤措施，阻止生成暴力和涉及版权的内容。
OpenAI计划在8月初发布一份详细报告，介绍GPT-4的能力、局限性和安全评估结果。
用户分享了GPT-4语音模式的多种应用案例，包括表演节奏口技、以不同情绪讲笑话、模仿动物叫声等。测试显示，ChatGPT高级语音模式响应速度快，几乎没有延迟，能够准确模仿各种声音和口音。
除了语音功能，支持更大token输出的GPT-4也随之推出。OpenAI宣布向测试者提供GPT-4 Alpha版本，每次请求支持最多输出64K token，相当于200页小说。测试者可以通过"gpt-4-64k-output-alpha"访问GPT-4的长输出功能。
新模型的价格有所上涨，每百万输入token 6美元，每百万输出token 18美元。虽然输出token是GPT-4的16倍，但价格也上涨了3美元。
研究员Simon Willison表示，长输出主要用于数据转换用例，如将文档从一种语言翻译成另一种语言，或从文档中提取结构化数据。在此之前，最长输出模型是GPT-4，为16K token。