ChatGPT 高级语音（AVM：Advanced Voice Mode）功能总算来了（鸽了快半年，都要忘记这玩意了）！不过有个坏消息：这次推出的高级语音仍缺少之前演示的视频对话和屏幕共享功能（查看演示视频：GPT-4o：OpenAI 发布最强人机交互模型）。目前正在向 ChatGPT Plus 和 Team 用户逐步推送（可以重新登录检查一下）。

如果你是 Plus 或 Team 用户，当有权访问高级语音时，将会在应用程序中看到一条通知。AVM 的新设计采用了蓝色动画球体，取代了之前的黑色动画点。

这次功能新增 5 种语音（Arbor、Maple、Sol、Spruce 和 Vale），使 ChatGPT 的语音总数达到了 9 种。此外，AVM 还添加了自定义指令和记忆功能来增强用户体验。它现在可以用 50 多种语言说“对不起，我迟到了”（会说再多也没用，我在实际测试中发现语音识别不是很稳定，错误率比想象中要高）。

我随便聊了几个问题进行测试，ChatGPT 语气，笑声逼真，效果确实有点惊喜。不过在其他几次测试中，时不时会出现识别不准确的情况。支持后台运行还是不错的体验（视频中有一段时间对话是停留在微信界面的）。

常见问题

除了账号，地域限制外，高级语音也并非每天无限可用，超过限额后，会自动回退为标准语音模式。

使用限制

自 ChatGPT 1.2024.261 或更高版本起，高级语音可在 iOS / Android 移动应用程序中使用。在本周内向 ChatGPT 应用程序中的所有 Plus 和 Team 用户推出，企业和教育用户将在下周获得访问权限。该功能尚未在欧盟、英国、瑞士、冰岛、挪威和列支敦士登推出。

语音类型

目前有两种类型的语音对话：标准语音和高级语音。

• 高级语音：利用 GPT-4o 的原生音频功能，提供更自然的实时对话，能够捕捉非语言线索，如你的说话速度，并可以带有情感地回应。Plus 和 Team 用户在使用高级语音（音频输入和输出）时每天有使用限制。

• 标准语音：可供所有已登录 ChatGPT 的用户通过 OpenAI 的 iOS、macOS 和 Android 应用使用（网页版暂不支持）。标准语音使用多个模型生成响应，需要将你所说的话先转录为文本，再发送给 OpenAI 的模型进行回应。虽然标准语音不像高级语音那样原生支持多模态，但标准语音对话同样使用 GPT-4o 及 GPT-4o mini。标准语音中的每个 prompt 都将计入你的消息条数限制。

当你接近每日限额时，ChatGPT 会发出通知（我第一次测试可能没注意到这个通知，莫名其妙就回退到标准版，让我一度以为是 BUG）。当一天的高级语音还剩 15 分钟时，Plus 和 Team 用户将会收到通知。一旦达到高级语音每日限制，对话将立即结束，你将能够使用标准语音继续对话。标准语音与用于生成响应的底层模型共享消息限制。

后台运行

在应用设置中打开“后台对话”（Background Conversations）时，打开其他应用或手机锁屏时，对话仍可以继续。

对话恢复

高级语音对话可以在高级语音、文本或标准语音中恢复。因为高级语音目前尚不支持图像等功能，所以无法在高级语音模式中恢复与文本或标准语音的对话。标准语音的对话可以随时用标准语音或文本恢复，但无法使用高级语音继续。

📌

在标准语音对话中，是可以直接命令 GPT 创建图片的。比较有趣的场景是：让 GPT 讲个故事，然后根据故事线生成对应的场景图。

如果想了解更多常见问题，可以查看 Voice mode FAQ^[1]

References