OpenAI 正優(yōu)化其音頻人工智能模型，報(bào)道布新布A備鋪為計(jì)劃中的整合語音驅(qū)動(dòng)型個(gè)人設(shè)備做準(zhǔn)備。

1 月 1 日，團(tuán)隊(duì)據(jù) The 擬季Information 報(bào)道，OpenAI 過去兩個(gè)月內(nèi)整合工程、語音產(chǎn)品和研究力量，模型集中攻克音頻交互的人無技術(shù)瓶頸，目標(biāo)打造一款可通過自然語音指令操作的屏設(shè)消費(fèi)級(jí)設(shè)備。

公司內(nèi)部研究人員認(rèn)為，報(bào)道布新布A備鋪當(dāng)前 ChatGPT 的整合語音模型在準(zhǔn)確性和響應(yīng)速度上均落后于文本模型，且兩者使用的團(tuán)隊(duì)底層架構(gòu)并不相同。

據(jù)報(bào)道，擬季新語音模型將具備更自然的語音情感表達(dá)能力和實(shí)時(shí)對(duì)話功能，包括處理對(duì)話打斷的模型能力，這是人無現(xiàn)有模型無法實(shí)現(xiàn)的關(guān)鍵特性，計(jì)劃 2026 年第一季度發(fā)布。

報(bào)道援引知情人士稱，OpenAI 還計(jì)劃推出一系列無屏設(shè)備，包括智能眼鏡和智能音箱，將設(shè)備定位為用戶的 " 協(xié)作伴侶 " 而非單純的應(yīng)用入口。

不過在推出支持語音指令的消費(fèi)級(jí) AI 硬件產(chǎn)品前，OpenAI 需要先改變用戶的使用習(xí)慣。

團(tuán)隊(duì)整合聚焦無屏交互方式

據(jù)報(bào)道，OpenAI 當(dāng)前的語音模型與文本模型分屬不同架構(gòu)，導(dǎo)致用戶通過語音與 ChatGPT 對(duì)話時(shí)，獲得的回答質(zhì)量和速度均遜于文本模型。

為解決這一問題，OpenAI 在過去兩個(gè)月內(nèi)完成了關(guān)鍵團(tuán)隊(duì)整合。

在組織層面，今夏從 Character.AI 加入的語音研究員 Kundan Kumar 擔(dān)任音頻 AI 項(xiàng)目核心負(fù)責(zé)人。

產(chǎn)品研究主管 Ben Newhouse 正在重構(gòu)音頻 AI 基礎(chǔ)設(shè)施，多模態(tài) ChatGPT 產(chǎn)品經(jīng)理 Jackie Shannon 也參與其中。

報(bào)道援引知情人士稱，新音頻模型架構(gòu)能夠生成更精準(zhǔn)深入的回應(yīng)，支持與用戶實(shí)時(shí)對(duì)話，并更好地處理對(duì)話打斷等復(fù)雜場景。

在硬件形態(tài)上，OpenAI 與谷歌、亞馬遜、Meta 和蘋果的判斷相似：現(xiàn)有主流設(shè)備并不適合未來 AI 交互。

OpenAI 團(tuán)隊(duì)希望用戶通過 " 說話 " 而非 " 看屏幕 " 與設(shè)備互動(dòng)，認(rèn)為語音才是最貼近人類交流本能的方式。

此外，與 OpenAI 合作硬件開發(fā)的前蘋果設(shè)計(jì)主管喬尼 · 艾夫強(qiáng)調(diào)，無屏幕設(shè)計(jì)不僅更自然，還有助于避免用戶沉迷。他在 5 月采訪中表示：

即使初衷無害，若產(chǎn)品產(chǎn)生不良后果，也需承擔(dān)責(zé)任。這種責(zé)任感驅(qū)動(dòng)著我當(dāng)前的工作。

用戶習(xí)慣培養(yǎng)成關(guān)鍵挑戰(zhàn)

OpenAI 面臨的主要障礙在于用戶行為。

據(jù)報(bào)道，多數(shù) ChatGPT 用戶尚未養(yǎng)成語音交互習(xí)慣，原因包括音頻模型質(zhì)量不足或用戶未意識(shí)到該功能存在。

要推出以音頻為核心的 AI 設(shè)備，公司需先培養(yǎng)用戶通過語音與 AI 產(chǎn)品互動(dòng)的習(xí)慣。

此前報(bào)道顯示，OpenAI 已在 2025 年初斥資近 65 億美元收購喬尼 · 艾夫聯(lián)合創(chuàng)辦的 io，并同步推進(jìn)供應(yīng)鏈、工業(yè)設(shè)計(jì)與模型研發(fā)等多條工作線。首款設(shè)備預(yù)計(jì)至少還需一年時(shí)間才能面世。

這一時(shí)間表意味著 OpenAI 需要在產(chǎn)品發(fā)布前，通過改進(jìn)現(xiàn)有 ChatGPT 語音功能來積累用戶基礎(chǔ)，并驗(yàn)證音頻交互在日常場景中的實(shí)用性。