9月26日消息，据外媒报道，当地时间周一，美国人工智能研究公司OpenAI宣布，其AI聊天机器人工具ChatGPT现在可以“看、听、说”，这暗指这款广受欢迎的聊天机器人可以同时接收图像和语音输入，并通过语音进行回复。
ChatGPT是OpenAI于2022年11月30日推出的一种新型AI聊天机器人工具，可根据用户的要求快速生成文章、故事、歌词、散文、笑话，甚至代码，并回答各类疑问。
当地时间周一，OpenAI表示，将开始在ChatGPT中推出新的语音和图像功能，新功能将于未来两周内面向Plus和企业用户推出。
该公司表示，新功能允许用户进行语音对话或向ChatGPT展示其正在谈论的内容。其中，语音功能将在iOS和Android平台上推出，而图像功能将在所有平台上推出。不过，该公司将逐步部署语音和图像功能。
在语音方面，新功能允许用户进行语音对话，提供更直观的交互方式。该功能由一个新的文本转语音模型提供支持，能够通过文本和几秒钟的语音样本生成类似人类的音频，且与专业配音演员合作，提供5种可供用户自行选择的声音。此外，该功能还能使用开源语音识别系统Whisper，将用户说的话转录成文本。
外媒报道称，语音输入和输出功能使ChatGPT具有与亚马逊Alexa等语音助手相同的功能。
在图像方面，新功能允许用户上传图像与ChatGPT交互，且支持上传多张图像。如果要聚焦图像的特定部分，可以使用移动应用中的绘图工具。
OpenAI表示，图像理解由多模态GPT-3.5和GPT-4提供支持。这些模型将语言推理能力应用于各种图像，如照片、屏幕截图以及包含文字和图像的文档。
据悉，GPT-4是OpenAI在今年3月14日推出的最新一代大型语言模型。它是一个多模态大型语言模型，支持图像和文本输入，以文本形式输出；扩写能力增强，能处理超过25000个单词的文本；更具创造力，并且能够处理更细微的指令。（小狐狸）
（免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。 ）
