OpenAI将在接下来的两周内率先向ChatGPT Plus和企业用户推出新功能，这项功能将彻底改变你与人工智能的互动方式。是的，你没听错！ChatGPT现在可以理解语音和视觉。

经过漫长的等待，OpenAI终于宣布为ChatGPT添加了一项多模态功能，使其能够理解用户提供的语音和视觉信息。这意味着ChatGPT现在不仅可以理解你在键盘上输入的内容，还可以理解你所说的话或者所展示的图片。

语音体验预计与常规虚拟助手相似，你可以对着手机或电脑说话，然后ChatGPT将你的声音转换成文本，以供其大型语言模型进行处理。获得答案后，文本将被重新转换成语音，然后ChatGPT会大声念出答案。

OpenAI相信，其Whisper模型将带来更好的语音转文本体验。此外，该公司还开发了一套新的文字转语音方案，只需要文本或短短几秒的语音样本，就能生成类似人类的语音。目前，ChatGPT配备了五个声音选项供用户选择，而其背后的模型也有望在更多领域发挥作用，例如翻译Spotify上的播客并还原作者的声音。

ChatGPT现在可以看见并听见你了！新推出的语音和图像功能将在接下来的两周内向ChatGPT Plus用户推出，之后将逐步扩展至所有用户。请务必关注更新，了解新功能何时可供你使用！