OpenAI为ChatGPT引入实时语音转写功能
OpenAI近日宣布,在ChatGPT中正式推出“实时语音转写”(Live Dictation)功能。该功能允许用户在说话的同时,将转录的文字实时显示在屏幕上。
更新细节与适用范围
OpenAI于18日发布的ChatGPT更新日志中指出,此次更新旨在使语音转写服务变得更加快速和稳定。该功能将面向全球所有订阅等级的用户逐步推送。
支持平台涵盖网页版、桌面应用程序以及iOS和Android移动端应用,免费用户同样可以使用此功能。用户可以通过点击或轻触屏幕上的声波图标,选择显示或隐藏转写内容。在说话过程中,用户即可实时查看转换后的文本。
录音结束后,用户可以在输入框中对文本进行修改润色,然后再作为消息发送。这种设计允许用户在直接发送原始转写结果之前,对表达进行优化和调整。
突破时长限制与体验优化
此外,OpenAI还取消了此前应用于语音转写的10分钟录音时长限制。这一调整专门针对ChatGPT的语音转写功能。
在过去,用户必须等待录音完全结束并经过后台处理完成后,才能看到最终的转写结果。而新的实时转写功能则在录音过程中即时展示结果,从而大幅减少了用户的等待时间。
功能定位:转写 vs. 语音对话
需要区分的是,“语音转写”与“语音对话”是两种不同的交互模式:
- 语音转写:将用户的语音转化为文字,供用户检查、编辑后,用于发送提问或指令。
- 语音对话:用户通过语音提问,并直接以语音形式听取ChatGPT的回答。
今年7月,OpenAI曾将GPT-Live技术引入ChatGPT的语音对话功能中。当时的核心变革在于实现了“边听边答”的模式,即系统在与用户对话时,能够同时接收用户的输入并生成语音回复。这与当前推出的实时语音转写有本质区别:后者并非为了生成语音回复,而是为了帮助用户更高效地构建发送给模型的消息。
传统的ChatGPT语音对话流程是顺序执行的:先将语音转为文字,由语言模型生成答案,最后再将答案转换为语音。OpenAI在7月的发布说明中曾详细解释过这一传统处理机制。
用户规模数据说明
OpenAI在今年7月的声明中提到,每周有超过1.5亿用户使用ChatGPT的语音及转写功能。需要注意的是,这一数字是两项功能用户的总和,因此不能单独将其视为仅使用“语音转写”功能的用户规模。官方并未在该声明中分别列出语音对话和语音转写各自的具体用户数量。