标签
OpenAI发布GPT-Live-1，这是ChatGPT升级后的语音模式，打断用户更少，支持实时翻译，并能针对天气、体育等话题生成视觉背景。
声称在Cerebras硬件上运行的Gemma-4-31B模型性能优于ChatGPT的语音模式，并通过Hugging Face Space展示了实时语音交互。
关于 OpenAI 可能发布 BiDi 的猜测，这是一种具备代理能力的语音模式，可与 Codex 集成用于编码任务，可能标志着语音 AI 从新奇事物向必需品转变。
OpenAI 正在为 ChatGPT 推出新的双向语音模型（Bidi 1），该模型支持同时说话、听到和聆听，实时翻译，以及改进的对话上下文处理。升级已在部分用户的网页界面和应用程序中出现，预计很快会广泛发布。
Anthropic 正在将其 Cowork 智能代理系统扩展到移动应用，有证据显示其采用云端执行方式，从而无需桌面设备保持开机，同时还在为语音模型更新做准备。
一位用户询问OpenAI即将推出的功能中哪个更令人兴奋：传闻中的GPT-5.6模型，还是支持实时同时听说的双向语音模式（BiDi）。
OpenAI正准备发布GPT-Bidi-1，这是一个面向ChatGPT的下一代语音模型，支持双向通信、打断和句中调整，旨在缩小语音与文本能力之间的差距。
一项预测认为，GPT 5.6 将聚焦于自主性功能，例如更长的任务时间、更好的计算机使用以及更强大的智能体，而不仅仅是提供更聪明的答案。
《连线》杂志的一篇文章提供了七条成为AI高级用户的实用建议，从使用Codex和Claude Cowork等AI代理到采用语音输入，强调适应性和生产力提升。
一款名为SEELS的Windows桌面应用，允许用户运行本地LLM、纠正模型回复，并自动从纠正中训练LoRA适配器。它集成了语音模式、硬件仪表盘和训练伴生程序。
一位用户成功将Claude以语音模式集成到Zoom会议中，Claude回答了多位参会者的问题，没有出现任何故障，用户正在寻求这种能力的应用场景。
Meta推出Muse Spark，这是一款基础AI模型，支持Meta AI进行语音对话、购物辅助以及跨应用和智能眼镜的实时视觉识别。该模型首先在美国和加拿大推出，并计划扩展至Ray-Ban Meta和Oakley Meta眼镜。
ChatGPT 的语音模式运行在一个较弱的 GPT-4o 时代模型上，知识截止日期为 2024 年 4 月，比 OpenAI 最新能力要旧得多。文章强调了 OpenAI 消费者语音界面与其更高级付费模型之间日益扩大的差距，这种差距是由于奖励信号清晰度和 B2B 市场激励的差异造成的。
OpenAI 分享了一个人文故事，讲述钓鱼内容创作者 Adam 如何使用 ChatGPT 的 Advanced Voice Mode 获取捕捉大比目鱼的建议，在多次失败后最终成功，展示了 AI 在小众爱好中的实际应用。
OpenAI 解释了其为ChatGPT的语音模式功能挑选五种不同声音的过程，涉及专业配音演员、选角导演以及长达五个月的筛选流程。针对“Sky”声音引发的争议，公司澄清该声音并非模仿斯嘉丽·约翰逊，且在联系她之前就已选定。
# 推出 GPT-4o 及更多工具供 ChatGPT 免费用户使用 来源: [https://openai.com/index/gpt-4o-and-more-tools-to-chatgpt-free/](https://openai.com/index/gpt-4o-and-more-tools-to-chatgpt-free/) OpenAI 我们推出了最新的旗舰模型，并在 ChatGPT 中为更多功能提供免费访问。根据我们的使命，我们致力于推进人工智能技术的发展，并确保它对所有人都是可访问和有益的。今天我们推出最新的模型 GPT-4o，并将开始推出