共计 920 个字符，预计需要花费 3 分钟才能阅读完成。
上线短短一天，GPT-4o 的高级语音功能便引发了广泛关注，许多用户纷纷尝试各种脑洞大开的测试。无论是复杂的任务执行还是情感化表达，GPT-4o 均表现出色，令人印象深刻。
其中一位用户尝试用中文让 GPT-4o 讲故事，尽管整体叙述较为流畅，但语速稍显缓慢，个别发音如“气”被读成“kì”，显示出仍有优化空间。不过，这一功能已足够引起众多用户的兴趣。
情感化互动
更令人惊讶的是，GPT-4o 在朗读美国女诗人 Emily Dickinson 作品时竟流露出情感，甚至带上了哭腔，令不少听众感到震撼。这种接近人类情感的表达方式，无疑增强了人机交互的真实感。
此外，还有用户测试了 GPT-4o 快速数数的能力，从 1 数到 100 的过程中，尽管起初未能完全满足需求，但在多次调整后，AI 成功完成了任务。同时，GPT-4o 模仿动物叫声的技能同样让人眼前一亮，比如学猫叫时的生动表现，进一步展示了其趣味性。
多语言实时翻译
值得一提的是，GPT-4o 在多语言支持上的表现尤为突出。用户可以随意切换不同语言，包括乌尔都语、希伯来语、挪威语、摩洛哥达利加语、阿姆哈拉语、匈牙利语、格鲁吉亚语以及克林贡语等冷门语言，同时还能进行实时翻译，极大提升了跨文化交流的便利性。例如，对于不懂日语却想玩日文游戏的玩家来说，只需简单输入指令，GPT-4o 就能瞬间化身翻译助手。
专家观点
沃顿商学院教授 Ethan Mollick 对 GPT-4o 的高级语音功能给出了高度评价，认为它不仅与 OpenAI 早期展示的效果相当，而且具备生成更多音频内容的能力，但目前仍存在一定限制。他还提到，这种自然且拟人化的语音交互方式，彻底改变了人们与 AI 沟通的方式，尽管其基础模型并未发生根本变化。
相比 ChatGPT 的传统语音处理流程，GPT-4o 的优势在于其多模态能力，能够直接完成语音到文字再到语音的全流程，省去了多个中间环节，从而显著缩短了交互时间。此外，GPT-4o 还能敏锐捕捉用户语音中的情绪波动，如悲伤、兴奋等，进一步提升了用户体验。
随着越来越多的用户分享自己的测试成果，大家对 GPT-4o 高级语音功能的兴趣愈发浓厚，纷纷呼吁 OpenAI 尽快开放更多使用机会。未来，这一技术或许还能解锁更多创新应用场景，值得期待。
