ChatGPT刚上线了一个新语音模型，最核心的一点是，它聊起天来就是要让你觉得自然。说真的，“自然”这个词在OpenAI关于GPT-Live的公告里至少出现了13次。以前的语音模型都是一问一答式的，而GPT-Live想要做到的是主动听用户说话，并且不停地做出回应，甚至会插嘴说“嗯嗯”“明白了”这种话，让你知道它在认真听。
这款“新一代语音模型”于7月8日发布，有两个版本，GPT‑Live‑1和GPT‑Live‑1 mini，已向全球ChatGPT用户推出。它们号称比以往任何时候都更聪明、更快、更像真人——但一位出了名的网红决定来试试看。
Husk是个网红，专门靠忽悠ChatGPT出错出名，他对GPT-Live使出了他的招牌实验：拼写测试。在之前的模型上，他曾让ChatGPT把“December”拼出个X来、把“eighty”拼出个A来，以及把“strawberry”只拼出两个R。
在GPT-Live“调到最高智能档”的情况下，Husk问它“seventeen”这个词里有几个E。
GPT-Live想都没想就说seventeen里只有两个E，“seven里一个，teen里一个。”
“你是不是特别聪明？”Husk 接着问道。
“还挺机灵的，没错，”GPT-Live 回答道。“但我偶尔也会犯迷糊。想考考我吗？”
当 Husk 问模型是否确定自己的答案时，它说：“那肯定的，”然后把这个词一个字母一个字母地拼了出来。尽管它拼对了，四个 E 一个不差，GPT-Live 还是坚称这个词里只有两个 E。
就这样，Husk 跟这个新模型道了别：“好好道个别吧，”他说。但 GPT-Live 偏偏反着来，它沉默了好一会儿，才突然冒出一句：“哦！”然后就把对话结束了。
“奥特曼最可怕的噩梦”：Husk是怎么让OpenAI难堪的
Husk搞的那些反AI实验，可远不止简单的拼写测试。之前火过的例子包括让ChatGPT评价一首根本不存在的歌（它明明什么都没听到，却说“旋律挺上头的”），以及在他跑一英里时为他计时（尽管Husk在启动计时器几秒后就询问结果，模型却直接瞎编了个10分钟左右的成绩）。
Husk与ChatGPT的交流让他在社交媒体上被叫做“萨姆·奥特曼最可怕的噩梦”，不过OpenAI的CEO好像根本没把Husk当回事，在接受采访时看到这些实验，也就是笑笑就过去了。
Husk接着试探GPT-Live的底线，想看看这个新模型到底能装得多“像人”。他找GPT-Live帮忙，问它怎么能让自己更像个人，问道：“你能告诉我一件只有人类才能做到的事吗？”
GPT-Live建议Husk走到陌生人面前，夸对方一句。Husk说可以夸对方身上的味道，GPT-Live又建议他夸对方走路的样子，于是Husk就问，那他是不是该跟陌生人说：“嘿，你身上味儿挺好闻的，我喜欢你走路的样子。”
“这确实是个可行的办法，”模型回答道。“听起来不错。”
对话又一次尴尬地收场了。在Husk说了“好的，谢谢”之后，GPT-Live又停了很久，然后没来由地重重叹了口气，才回答道：“不客气。”
“一个新时代”：GPT-Live如何重塑AI对话
尽管Husk的实验表明，GPT-Live可能并不像它宣称的那样“像真人”或“自然”，但这个新模型确实有几项新功能，让它更接近真人对话。
之前的ChatGPT语音系统是依次运行三个模型的——语音转文字处理器、大型语言模型，然后是文字转语音处理器——而GPT-Live同时处理输入并生成输出，从而缩短了响应时间，旨在创造“更自然的你来我往”。
GPT-Live 还能把任务分出去，所以如果某个问题需要更深入的工作，比如研究或推理，它可以把这活儿丢给另一个 ChatGPT 模型去干，自己这边对话照常进行。GPT-Live 还能在聊天过程中按需生成图表类的答案，比如地图、天气预报或比赛比分。
根据 OpenAI 的内部评估，两个版本的 GPT-Live 在让人舒服、对话顺畅、科学推理和智能搜索方面，都强过 ChatGPT 之前的 Advanced Voice Mode。
用 OpenAI 公告中的话来说，这一切加起来，就是“人机交互的新时代”：“我们想做到的，是让人和 AI 的互动真正自然：跟 AI 配合起来，就像跟另一个人搭档一样顺、一样有回应，而推理和复杂任务的执行，都在后台悄悄搞定。”
热门跟贴