推荐使用国际直连GPT，立即访问： www.chatgp1.com
根据X平台上一位用户分享的截图信息，OpenAI计划在2024年9月24日（星期二）于ChatGPT平台上推出“高级语音模式”。
“截至目前，高级语音模式的访问权限正局限于有限的alpha测试版本中，面向特定的用户群体开放。尽管成为长期Plus用户以及被纳入SearchGPT计划是您积极参与我们平台的体现，但能否在2024年9月24日获得高级语音模式alpha版本的访问权限，将取决于多种因素，包括但不限于受邀参与情况以及是否满足alpha测试阶段设定的具体标准。”截图中的博客文章如此阐述。
在今年早些时候的春季更新活动中，OpenAI发布了GPT-4o，其凭借文本、视觉和音频的“全方位”功能赢得了广泛赞誉。OpenAI的演示涵盖了实时翻译、编码助手、AI导师、友好伙伴、诗人和歌手等多种角色，迅速引发了热议。然而，当时高级语音模式并未同步发布。
当OpenAI最近发布o1时，有成员询问是否即将推出语音功能。对此，Sam Altman略带讽刺地回答道：“先花几周时间感谢天空中的神奇智能吧，随后你就会有更多玩具可玩了，怎么样？”
然而，仅仅几周后，法国非营利性人工智能研究实验室Kyutai便推出了Moshi，这是一款实时原生多模式基础人工智能模型，能够与人类进行实时交流，这与OpenAI高级模型的目标不谋而合。
与此同时，Hume AI也推出了EVI 2，这是一款全新的语音对语音基础AI模型，旨在提升类似人类的交互体验。目前EVI 2正处于测试阶段，能够与用户进行快速且流畅的对话，解读语气并据此调整其回应。该模型支持多种个性、口音和说话风格，并具备多语言功能。
此外，亚马逊Alexa正与Anthropic合作，致力于提升其对话能力，以实现更加自然和人性化的互动。今年早些时候，谷歌推出了Astra，这是一款基于Gemini系列AI模型构建的“通用AI代理”。Astra具备多模式处理能力，能够同时理解和响应文本、音频、视频以及视觉输入。