在科技的浩瀚世界中，一场引人注目的演化正在展开。OpenAI正在增强其人工智能模型ChatGPT，使其能够以前所未有的方式感知和互动。通过赋予其声音和图像处理的新能力，OpenAI正在改变我们与人工智能互动的方式。我们有必要揭开这一巨大飞跃的层层面纱，理解它对我们日常与人工智能互动的影响。

“正如维克多·雨果所说，‘就像大海中有人类无法到达的深处，宇宙中也有人类无法触及的高度。’但是通过这次新的升级，我们似乎将抛下锚更深，扬起桅杆更高。

重新定义对话：声音伴侣的力量

对于那些经常手忙脚乱或更喜欢人类语言的节奏的人来说，OpenAI推出了其迄今为止最前卫的功能，即与ChatGPT进行语音对话。是的，你没有看错。现在你可以通过声音进行双向对话，这是一种科幻概念，现在已经在现实中得以实现。

要体验这一听觉革命，只需在移动应用的“设置”中选择“新功能”，并加入声音对话。然后点击右上角的耳机图标，选择你喜欢的五种不同声音风格之一。

支撑这些对话的音乐智能的基础是OpenAI的文本转语音模型，它可以从纯文本片段生成惟妙惟肖的人类音频。这一过程得益于Whisper，OpenAI的开源语音识别系统，它将你的口头表达转录成文本格式。

请听一下下面示例对话中的美妙演绎：

“在一个宁静的森林里，有一只名叫莉拉的毛茸茸的猫妈妈。一个阳光明媚的日子，她和她的顽皮小猫米洛躲在一颗古老橡树的阴影下。

“米洛，”莉拉轻柔而温和地说，“你将很快有一个新的玩伴。”

米洛的耳朵立刻竖起，满怀好奇。“一个新的玩伴？”

莉拉咕噜咕噜地说：“是的，一个妹妹。”

米洛兴奋地瞪大了眼睛。“妹妹？她会像我一样追逐尾巴吗？”

莉拉笑了笑。“哦，她会有自己的特点。你会教她，对吗？”

米洛迫不及待地点头，已经在梦想着他们将会分享的冒险。”

交换思维和像素：ChatGPT的视觉

通常，单靠文字无法完全捕捉一个时刻。现在，你可以向ChatGPT展示图片并解开它们的内涵。解决一个固执的电器问题，探索你冰箱里的潜在食谱，或者分析工作中的复杂图表从未如此简单。

只需点击照片按钮，即可开始讨论一张或一组图片。如果你想专注于图像的特定部分，可以在移动应用中使用绘图工具。

在幕后，揭示图像智慧的力量来自多模式GPT-3.5和GPT-4，这些模型展现出了能够跨越各种图像，从照片到截图，以及包含文本和图像混合的文件的语言推理能力。

安全实施，逐步扩展

为了构建既安全又有益的通用人工智能，OpenAI正在逐步部署这些创新。这是一种精心平衡用户价值、学习、创新速度和安全性的策略。这一方法在涉及声音和视觉处理的系统升级中变得尤为重要。

解决担忧：声音幻象和视觉幻觉

与任何技术一样，将AI合成声音的潜力开启了无数可能性，同时也可能使恶意行为者为可疑目的操纵声音成为可能。

OpenAI正在有意地利用这些能力用于特定用途，并与合作伙伴如Spotify合作。例如，他们的“语音翻译”功能旨在无缝扩展播客的语言影响力。

关于视觉能力的发展道路同样充满了困难。人工智能产生幻觉以及其解释的风险，特别是在高风险领域，都是合理的担忧。OpenAI通过与多样化的评估组合进行各种测试阶段，帮助确定了可接受的使用规范。

视觉：一种赋能工具

OpenAI已经采取措施确保视觉成为一种有助于而不侵犯隐私的功能。用户反馈和真实世界的使用对于帮助OpenAI提高这些保障措施以保持其实用性至关重要。

与“Be My Eyes”等组织的紧密合作，这是一款帮助视力障碍和低视力用户的应用程序，使OpenAI更多地了解人工智能视觉在日常情况下的价值，以及它的局限性所在。

承认模型的局限性：信任的前提

将AI托付以专业任务的决定，无疑是数字时代的明智之举。然而，当前的模型也有其局限性。虽然它们在转录英文文本和处理常见任务方面可能表现出色，但在处理非罗马字母脚本或在某些技术领域的未知领域时，它们可能会出现问题。OpenAI对这些局限性非常了解，并建议用户在没有适当验证的情况下不要依赖ChatGPT进行涉及重大风险的任务。

踏上无限的征程：未来的扩展

这些开创性的能力仅仅是一个开始。ChatGPT的声音和图像功能将很快提供给Plus和Enterprise用户，计划将这些功能扩展到其他用户群体和开发者。这不仅仅是一个升级；这是迈向缩小人类与人工智能世界之间差距的一大步，使我们能够更深入、更直观地与数字伙伴互动。

正如阿尔伯特·爱因斯坦所说：“智慧的真正标志不是知识，而是想象力。”在ChatGPT的案例中，这是知识与想象力的融合；已知世界变得更具导航性，而想象的世界也更加具体。

在这些更深入的与ChatGPT互动的新方法中制定一条航线。探索潜力并了解限制。当我们踏入这个AI新时代时，愿人类体验与数字世界之间的界限继续模糊。

本报告基于OpenAI的官方公告。您可以在他们的原始文章中了解更多关于OpenAI的安全方法、与“Be My Eyes”的合作以及其他详细信息。