OpenAI研发双向语音模型：通话打断后可自然续聊，体验更拟人

据IT之家3月5日晚间报道，根据The Information的消息，OpenAI正在研发一款全新的语音模型，旨在让用户与ChatGPT的交谈体验更加流畅自然。当使用者在与AI对话过程中突然插话打断时，这款AI能够即时调整回应内容，而不会像现有系统那样突兀地中断。

免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈

目前ChatGPT的高级语音模式采用的是回合式对话机制。用户必须先完整说完一段话，AI才会开始处理语音并生成回答。如果用户在AI发言时插入诸如"okay"或"mm-hm"等回应，系统通常会直接停止播报，而不会像真人对话那样顺势继续交流。

OpenAI正在开发的这项新技术被命名为BiDi模型。该模型具备持续处理说话者语音输入的能力，因此在被打断时可以立即调整回应内容。相比之下，现有语音模型一旦开始生成回答，其输出内容就基本固定，很难再根据新的输入信息进行实时调整。

这项技术目前仍处于早期开发阶段。一位了解项目情况的人士透露，原型模型在持续对话几分钟后容易出现故障，有时甚至会发出不自然的机械音。OpenAI研发团队原本希望在今年第一季度推出BiDi模型，但目前最新的发布时间可能会推迟到第二季度或更晚。

OpenAI认为，如果语音模型在性能表现上能够接近文本模型，AI的应用范围将进一步扩大。因为大多数人更习惯于通过语音与AI进行交流，而不是输入文字。

BiDi模型在客户服务场景中尤其具有应用潜力。例如，当顾客与零售商的AI客服对话时，如果顾客在交流过程中临时决定选择换货而非退货，BiDi模型理论上可以让AI客服顺畅地调整对话方向，而不会突然中断或出现应答混乱。

这位知情人士还表示，BiDi模型在调用外部工具和应用方面也更加灵活。据IT之家了解，OpenAI此前曾表示，公司计划为未来一款主要通过语音交互的AI设备改进语音模型，并考虑开发一款智能音箱，用户通过语音指令即可查看邮件或预订服务。