OpenAI 升级音频模型备战首款硬件设备

据The Information报道，OpenAI正全面加强音频AI能力，为未来推出以语音为核心、弱化或取消屏幕的个人消费级设备铺路。知情人士称公司认为现有音频模型在准确性与响应速度上落后，过去两个月整合工程、产品与研究力量补短板。新架构可生成更自然、更富情感的语音，并支持与人类同时发声及被打断，计划于2026年第一季度发布。其硬件设想包括智能眼镜和无屏幕智能音箱，乔尼·艾维强调无屏幕有助减少沉迷；但用户尚未形成语音使用习惯仍是挑战。

据三名知情人士透露，OpenAI 正在内部推进对其音频AI模型的优化，为未来推出一款由AI驱动的个人设备做准备，该设备预计以音频交互为主要入口。报道指出，目前用户与 ChatGPT 语音对话时所用的语音模型与文本版本底层模型并不一致。OpenAI 研究人员认为，现有语音模型在回答准确性与响应速度上落后于文本模型，因此需要整合与改进，以提升语音体验并支撑潜在硬件产品的核心交互方式。

据知情人士称，OpenAI 正在升级其音频人工智能模型，为推出首款由人工智能驱动的个人硬件设备做准备，预计以音频交互为核心。当前支撑语音版 ChatGPT 的音频模型与文本交互模型并不相同，在回答准确率与响应速度上落后于文本模型。过去两个月，OpenAI 已整合多个团队集中攻坚音频模型优化，以满足未来硬件端应用的性能与体验需求，并为产品落地铺路。