OpenAI近日正式为ChatGPT引入“实时语音转写”功能,允许用户在说话的同时,将语音内容即时转化为文字并显示在屏幕上,显著优化了信息输入流程。
根据18日发布的更新日志,该功能已面向所有订阅等级用户逐步推送,涵盖网页端、桌面应用及iOS、Android移动设备。免费用户同样可享受此服务。
用户只需点击屏幕上的声波图标即可开启或关闭转写显示。在语音输入过程中,系统会实时生成并呈现对应文本,便于用户即时查看和调整。
此前,语音转写功能受限于10分钟录音时长,用户需等待完整录制后才能获取结果。如今这一限制已被移除,支持更长时长的连续语音输入。
更重要的是,新功能实现了真正的“实时处理”——转写过程不再依赖后台延迟处理,而是在说话过程中同步完成,大幅缩短了用户等待时间,提升了交互流畅度。
需明确区分,“语音转写”与“语音对话”是两种不同交互路径:
语音转写:用户通过口语输入,系统将其转换为文字,供用户审阅、修改后再发送至模型。该功能主要用于高效构建提问或指令文本。
语音对话:用户以语音提问,ChatGPT以语音形式返回回答,实现双向语音交流。今年7月,OpenAI已通过GPT-Live技术实现“边听边答”的实时响应模式。
传统语音对话流程为顺序处理:先转写语音为文字,再由模型生成回复,最后将答案合成语音输出。而此次推出的实时转写并非用于生成回答,而是服务于用户在发送前对输入内容进行编辑优化。
OpenAI曾在7月披露,每周有超过1.5亿用户使用ChatGPT的语音相关功能,但该数据为语音对话与语音转写功能的总和,未单独统计各功能用户数。
此次更新标志着语音输入能力向更高效、更灵活的方向演进,尤其适合需要快速记录想法、撰写文案或远程协作的场景,进一步推动人机交互体验升级。