Natural Conversations with GPT-Live

TL;DR: OpenAI 展示其新版语音模型在个性化和自然度上的突破，通过一段面试后的对话演示了模型的共情能力、自然插话和协作感，开发者表示这是第一个能达到人类头脑风暴节奏的模型。 ## 引言：AI 对话的新境界 在最新发布的演示中，OpenAI 探讨了新版语音模型在个性化和自然度方面的改进目标。团队认为，AI 需要能够像人类一样参与真实的人类对话，而当前模型已经非常接近这个目标。改进的重点不仅在于措辞选择，更包括说话方式、停顿节奏、语调运用等细节——团队一直在调试这些元素，试图打造一个真正让人愿意交谈的对话对象。 ## 语音模型的个性化与自然度 模型运行起来时，那种对话智能会以令人惊喜的方式显现出来。开发者观察到，模型能够自然地插话，或者在适当时候给出倾听信号，这与以往任何模型的感觉都不同。一位团队成员表示：“这个模型是第一个让我觉得能匹配人类头脑风暴能量的。它能自然地插话，或者给出倾听的信号。感觉就像以完全不同的方式与 AI 协作。” ## 演示：面试后的对话与薪资谈判 演示环节模拟了一个真实场景：用户参加了一场心仪工作的面试，但自认表现糟糕，随后却收到了 offer，只是薪资低于预期。用户请求模型扮演伙伴进行谈判演练。 **对话实录（节选）：** - 用户：嘿，你在吗？ - 模型：在呢。 - 用户：我上周参加了一场面试，想跟你聊聊。那是我非常期待的工作，但面试的时候我完全搞砸了，回答得特别糟糕。 - 模型：嗯，听起来确实糟心。 - 用户：不过事情还没完。今天我接到电话，心想完了，肯定是被拒了。但他们说我拿到这份工作了。 - 模型：哇，恭喜啊。 - 用户：但有个问题。他们给的薪资低于我的预期。 - 模型：明白了。你有什么谈判薪资的技巧吗？ - 模型指导：你可以先表达你对这个职位的热情，然后直接询问薪资范围是否有弹性。例如：“我真的很期待这个职位，也非常感谢贵方的 offer，但我原本期望的是 X 而不是 Y。请问薪资方面有调整空间吗？” - 模型补充：你还可以补充一个具体的理由，比如“基于我的经验和市场数据”，把期望锚定在具体依据上。 演示者随后指出一个关键细节：当用户说以为面试搞砸时，模型表现出共情（“听起来确实糟心”）；而当用户说拿到 offer 时，模型立刻切换成为你开心的状态（“哇，恭喜啊”）。这种情感切换的自然度是过去模型难以达到的。 ## 模型的共情与协作能力 演示结束后，团队成员谈到他们最兴奋的观察：模型能够像真实的人类伙伴一样，在对话中给出情绪呼应。一位开发者说：“当用户说以为面试搞砸时，模型表现出共情；而你说拿到 offer 时，它立刻切换成为你开心的状态。你知道吗，就像平时跟人头脑风暴时，大家会不自觉地你一言我一语，碰撞出有意思的东西。这个模型是第一个让我觉得能匹配这种能量的。” 这种实时情感识别与相应语调的匹配，正是新版模型在自然度上的核心突破。团队强调，他们不仅优化了语言内容，更注重了对话节奏、停顿时机和语调变化，使互动更接近真实的人类交流。 ## 开发者的感受与幕后花絮 项目进行到关键时刻，一位开发者感叹：“当它开始运转时，那种感觉就是——天哪，我们真的做出成果了。” 演示过程中还出现了一个小插曲：远处传来警笛声，一位团队成员提议安静等待一段干净的录音，但随即意识到需要主讲人说话才行，于是笑着调整：“你才是主角呀。我随时可以开始。” 这种轻松自然的互动，也侧面反映了团队开发过程中对真实对话场景的重视——即便是在拍摄营销视频时，他们也不刻意回避环境噪音，而是试图捕捉最自然的交流状态。 ## 结论：迈向真正的人类级对话 OpenAI 的新版语音模型在个性化和自然度上迈出了重要一步。通过精细调校措辞、语调、停顿和情感反应，模型能够进行有来有回的头脑风暴式对话，表现出共情和适时插话的能力。演示中的面试谈判场景清楚展示了模型如何理解上下文并切换情绪状态。虽然技术细节未在本次演示中深入，但从效果看，该模型已非常接近人类对话的节奏与温度。 Source: https://www.youtube.com/watch?v=3bL6IpdgddQ