[OpenAI] 特别实测｜从「它」到《Her》，浅析 ChatGPT 最新语音模式如何假装爱你

[小天管理]

各位好，我们的《 WEB VIEW 》播客更新了。这一次，我们拿到了 ChatGPT 最新语音模式的内测资格。本次评测，我们会竭力避开 ChatGPT 可以「借力文字」而无法体现语音交流本质的方法，来看看它是否可以达到《 Her 》中斯嘉丽的智能程度。

欢迎大家移步收听：

• 小宇宙
• 苹果播客

我们尝试测试 ChatGPT 在英语学习、中国方言（粤语、沪语）、多角色对话（音色）、音乐识别与创作、人类情感识别与表达、创意生成六个方面的表现。节目中，我们使用真实录音最大还原 ChatGPT 的现场表现，以及我们的主/客观评价。

英语作为全球最广泛使用的语言，也是 ChatGPT 背后的最大语料库，我们自然要看看它的「主场」表现。ChatGPT 作为一个可以完全暴露语言缺陷的绝佳练习伙伴，是目前最合适的 AI 语音落地场景。所以，我们首先测试了英语学习场景。

感受完国际范儿，我们好奇 ChatGPT 是否可以理解我们的日常方言，尤其是以南方语系为代表的变调方言。我们主要测试了粤、沪两种方言。这两种语言都保留了古汉语中「入声」迹象，且包含一些需要了解当地文化、历史才能更好理解的概念。所以，我们接着测试了方言识别场景。

人与人之间沟通的前提是什么？是语义的准确性？还是附带的人类情感？但在讨论这些之前，我们更要知道「谁在和我们说话」。想象一个原始人小孩，听到熟悉父母和陌生人的声音时，谁会对他产生更大影响？从进化论角度，听谁的话对他更有利？同样一句话，不同的人说出来，你的感受也不一样，因为份量和情感不同。所以，我们关心 ChatGPT 是否可以识别音色，知道它在和谁对话。

AI 音乐并不新鲜，比如 Suno （一款 AI 音乐制作工具），但现在看来，更像是一个危机。从乐理角度看，人类使用的和弦、旋律走向等编曲特性趋同性严重，有人甚至怀疑，未来会不会有旋律写尽的一天。所以，抱着不让人类音乐向无聊、枯燥方向演进的幻想，我们想看看 ChatGPT 能否识别旋律，并与我们共同创作。

情感测试是我们最期待的环节。语言作为信息载体，帮助我们建立合作纽带。但为什么我们还会言不由衷、词不达意？是语言天生多义？还是语言承载着更微妙的东西？ ChatGPT 能否听出我们的言外之意，如讽刺、愤怒、离别的不舍，以及它是否会像人一样情绪失控。所以，我们在测试中不断让 ChatGPT 面临冲突升级，看它是否会为了保护「妻子和孩子」，突破系统提示词限制，做出意料之外的情感行为。

ChatGPT 的最大特点是回复及时，你一梳理好想法，答案就瞬间生成。但我们不行，因为我们要消化、理解并回复对话。所以，这次我们选择让 Claude 帮忙，让它与 ChatGPT 魔法对轰，双方接替回答，看几轮对话之内能否创作出精彩故事。

几年前我们刚开始做播客时，V 友还给了非常多的鼓励。这期节目希望大家喜欢。