GPT-4o語音功能終於如期而至，科幻版Her走進現實。一些灰度測試到的用戶已經開始嘗試這項新功能。目前，OpenAI只提供了4種預設語音。此外，GPT-4o新模型的輸出token也大幅增加至64K，是之前的16倍。
趕在7月結束前，GPT-4o語音模式開啟了灰度測試，部分ChatGPT Plus用戶已獲得使用權限。OpenAI表示，高級語音模式提供了更加自然、實時的對話體驗，用戶可以隨意打斷，系統甚至能感知和回應用戶的情緒。預計今年秋季，所有ChatGPT Plus用戶都能使用這項功能。
此外，視頻和屏幕共享等更強大的功能也將在稍後推出。用戶將能夠開啟攝像頭與ChatGPT進行"面對面"交流。
一些獲得灰度測試資格的用戶已經開始探索GPT-4o語音模式的各種應用場景。例如，有人將其用作"外語教練"，幫助練習口語。ChatGPT能夠糾正用戶的發音，如Croissant（羊角麵包）和Baguette（法式長棍）等單詞。
與此同時，GPT-4o的輸出token大幅增加。OpenAI最近在官方網頁中悄然推出了測試版新模型gpt-4o-64k-output-alpha，將輸出token從最初的4000個增加到64000個。這意味著用戶可以一次性獲得約4個完整的長篇電影劇本。
OpenAI表示，之所以現在才推出GPT-4o語音功能，是因為過去幾個月一直在進行安全性和質量測試。他們與100多名紅隊成員對GPT-4o的語音能力進行了45種語言的測試。為保護用戶隱私，系統只使用4種"預設聲音"進行對話，並創建了一個系統來阻止其他聲音的輸出。此外，還採取了內容過濾措施，阻止生成暴力和涉及版權的內容。
OpenAI計劃在8月初發布一份詳細報告，介紹GPT-4o的能力、局限性和安全評估結果。
用戶分享了GPT-4o語音模式的多種應用案例，包括表演節奏口技、以不同情緒講笑話、模仿動物叫聲等。測試顯示，ChatGPT高級語音模式響應速度快，幾乎沒有延遲，能夠準確模仿各種聲音和口音。
除了語音功能，支持更大token輸出的GPT-4o也隨之推出。OpenAI宣布向測試者提供GPT-4o Alpha版本，每次請求支持最多輸出64K token，相當於200頁小說。測試者可以通過"gpt-4o-64k-output-alpha"訪問GPT-4o的長輸出功能。
新模型的價格有所上漲，每百萬輸入token 6美元，每百萬輸出token 18美元。雖然輸出token是GPT-4o的16倍，但價格也上漲了3美元。
研究員Simon Willison表示，長輸出主要用於數據轉換用例，如將文檔從一種語言翻譯成另一種語言，或從文檔中提取結構化數據。在此之前，最長輸出模型是GPT-4o mini，為16K token。