摘要生成中
AI生成，仅供参考
快科技3月7日消息，据媒体报道，OpenAI正在研发一种全新的语音模型，旨在让用户与ChatGPT的对话更加自然流畅。这项技术的核心突破在于，当用户在AI说话过程中打断系统时，AI能够实时调整回应，而不是像现在这样突然停止。
目前ChatGPT的高级语音模式采用的是回合式对话机制，用户必须先说完话，AI才会处理语音并生成回答。如果用户在AI发言时插入okay或mm-hm等简短回应，系统通常会直接停止，无法像正常对话那样继续推进交流。
为解决这一问题，OpenAI正在开发的BiDi（双向语音模型）能够持续处理说话者的语音输入，因此在被打断时可以立即调整回应。相比之下，现有的语音模型一旦开始生成回答，输出内容就基本固定，无法再根据新的输入进行变化。
这项技术目前仍处于开发阶段。据知情人士透露，原型模型在持续对话几分钟后容易出现故障，有时甚至会发出不自然的声音。OpenAI研究人员原本希望今年第一季度发布BiDi，但目前最新的发布时间可能推迟到第二季度或更晚。
OpenAI认为，如果语音模型能够在性能上接近文本模型，AI的使用范围将进一步扩大，因为大多数人更习惯与AI进行语音交流，而不是输入文字。BiDi模型在客服场景中可能尤其有价值。
例如，当顾客与零售商的AI客服通话时，如果顾客在对话过程中临时决定选择换货而非退货，BiDi模型理论上可以让AI客服顺畅调整对话，而不会突然停止或出现混乱。
知情人士还透露，BiDi模型在调用外部工具和应用方面也更灵活。OpenAI此前表示，公司计划为未来一款主要通过语音交互的AI设备改进语音模型，并考虑开发一款智能音箱，通过语音指令即可查看邮件或预订服务。
（本文转载自站长之家）
© 版权声明
文章版权归作者所有，未经允许请勿转载。
这功能太实用了，想象一下打断还能继续。
这功能真能省事儿。
打断还能继续，挺贴心。
要是能在车里用就完美。
听说噪音环境下还行？
怕卡死，别搞砸了。
如果用户在AI说完前就改主意，系统能否即时撤回并重新生成？
据说BiDi还能实时切换语言，跨国客服更顺畅。
实时切语言听起来很牛，跨国聊起来省事儿，别卡。👍
BiDi模型在嘈杂环境下还能准确识别吗？比如咖啡店里背景音很大时效果如何？
咖啡店那种吵闹能识别？要是真行我就带上耳机试试。
别光说好，原型几分钟就崩，真能商用？
模型崩了真的尴尬。
希望别再出现AI唱歌的尴尬 😂
听说BiDi在嘈杂咖啡店里识别准确吗？我常在那里用语音助手。
我之前用老版语音客服，打断后全程卡死，这次如果真能流畅切换，可能彻底改变我对AI客服的印象，期待看到实际表现。
我之前用过老版语音，打断根本不行，真想要这种体验。
我真想早点用上，打断后还能继续，感觉对话更自然。
打断还能继续，感觉像真人聊天，等不及了。
听说内部测试时AI突然唱歌，笑死。
这玩意儿卡得像老电视，真受不了。
BiDi能在客户说要改订单时撤回上一句再继续吗？比如已经生成发票的情况。
如果能跨语言就更牛。
我等不及想试试。
客服场景真的能提升。
要是能配合智能音箱就好。
想知道原型几分钟崩溃的原因，是算力不足还是算法问题？
我超期待这个双向语音，想象以后跟AI聊八卦时还能随时打断，感觉像真的有人在旁边陪聊 😂 只盼别再卡死。