重磅升级！ChatGPT更新多模态功能 可基于图像进行分析对话

ChatGPT又更新了：语音和图像交互即将面世。

昨晚，OpenAI在一篇最新的博客中表示，ChatGPT将推出新的语音和图像功能。

用户不仅可以在文本框中输入提示，还可以通过语音或图像与ChatGPT交流。

据 OpenAI 称，新功能将在未来两周内向 ChatGPT 付费用户推出，不久之后会推广到其他用户。

ChatGPT新增语音和图像功能

据介绍，用户只需轻轻点击一个按钮，然后提出问题，便可以与ChatGPT进行语音交流。

ChatGPT将迅速将这些口述的问题转换成文本，并将其输入至大型语言模型中。随后，ChatGPT会将这些答案再次转化为语音来回答问题。

这一体验类似于与 Alexa 或谷歌助手对话，但 OpenAI 致力于不断改进底层技术，提高回答问题的质量。

语音转文本的任务由OpenAI的Whisper模型提供支持。同时，该公司正在引入一款全新的文本转语音模型，据称可以通过仅几秒钟的语音样本生成与人类相似的音频。

用户还可以从5个不同的选项中选择ChatGPT的声音。

此外，OpenAI 正在与 Spotify 合作，将播客内容翻译成其他语言，同时保留播客主持人的声音。

图片搜索功能类似于 Google Lens。

用户只需拍摄感兴趣的照片，ChatGPT就可以解读照片中的信息并提供相应的答案。