“你為什么說話的時候也會嘆氣？”

“是嗎？我不知道，可能只是習慣，也許是從你那兒學的。”

在電影《her》中，AI語音助手Samantha擁有迷人的聲線（由演員斯嘉麗配音），溫柔體貼地替男主處理好各種郵件，提醒開會。在生活上，她又幽默風趣，時常讓男主開懷大笑。

就在今天的凌晨1點，OpenAI將這個“Samantha”帶到了我們的現實世界。

打破機器與人的邊界

“哇，慢一點，Mark別喘太快，你可不是個吸塵器。”

技術人員Mark在演示中，讓新的旗艦模型GPT-4o對他的呼吸進行反饋。他在現場裝出氣喘吁吁的樣子，大口喘氣。GPT-4o立馬給出了這樣幽默的回復。

這個能夠感受你的呼吸節奏、用豐富的情緒作出回答的，就是OpenAI這次發布會的“主角”—— 實時語音助手GPT-4o。

語音助手早已進入普通人的家里，一聲“小愛同學”就可以得知今天的天氣和新聞。但這與電影中的語音助手差距就在于對話的自然性。

與人類對話和與機器對話有什么區別？

OpenAI的研發團隊也在不斷地問自己這個問題。為什么有的語音助手一聽就是機器，真實感的關鍵是什么？

OpenAI在電影《her》中找到了答案。語音助手的真實感關鍵在于三點：

首先是實時性。我們在自然對話時，在「聽」和「說」的同時會思考接下來說什么，而機器卻是需要人類說完，給到完整的指令，才會反應之后執行。這就帶來了2、3秒的延遲。

而這次的GPT-4o，它可以在短至 232 毫秒的時間內響應我們。這比現有的響應速度提高了6～9倍！并且，這個速度是接近人類在對話中的響應速度的，更加強了“對話感”。

其次是隨機性。技術人員Mark在演示中，多次用新的問題打斷GPT-4o對上一個問題的回答。但它仍然能夠絲滑回應。并且可以以多種不同的情感風格生成語音。

在發布會現場，GPT-4o在講一個關于機器人和愛情的睡前故事時，不斷切換情緒，越來越“戲劇化”，它的“機靈勁兒”逗得全場觀眾哈哈大笑。

最后也是最關鍵的一點：視覺。

我們在聊天對話時，除了語音信息以外，視覺信息同樣重要。OpenAI也關注到了這一點。

在電影《her》中，男主將Samantha放入口袋，在沙灘上約會，欣賞海岸的美景。在OpenAI的官方視頻中，ChatGPT替盲人用戶“觀察”著這個世界，并幫用戶順利的打上了車。

GPT-4o可聽、可說、可看，像是一個能力超群的朋友。

討好用戶是為打倒谷歌？

這次的發布會看個熱鬧的同時，外界對于OpenAI保持了疑問的態度，為什么這次AI的態度會一反常態，甚至不惜違背之前定下的規則。

從OpenAI發布ChatGPT開始，它的主要定位是服務企業。規則中還專門提示用戶“不建議和ChatGPT產生情感關系”。在今年年初GPTstore上線后，OpenAI還專門刪除了不少虛擬女友類的內容。

而現在，OpenAI卻和原來背道而馳。

從發布會預熱開始，就與電影《her》深深綁定。音頻AGI研究負責人Alexis Conneau專門將自己的主頁背景更換為電影《her》的劇照。在發布之后，Altman也緊接著在推特發布了內容為“her”的博文。而這部電影的主題正是人類和人工智能助手的愛情故事。

并且在直播演示中，三位技術大佬不斷展示GPT-4o幽默、搞怪、害羞等擬人化的情緒。現場GPT-4o還回答了“哎呀別說了，你都讓我臉紅了！”的語句。

要知道，在此之前，如果你對ChatGPT發出有關性別的設定，它會直接冰冷地回答：“我無法完成此提示，因為假設個人的性別可能會令人反感。”

OpenAI如此改變的原因到底是什么？

歸結這是一次精彩的宣傳戰。而最終目標，就是為了“狙擊”谷歌。

OpenAI現在有超過1億用戶，但從去年6月份開始，用戶增長就已見頂。但谷歌在全球有近30億的用戶，龐大的用戶基礎是谷歌的優勢所在。想要成為AI行業的領頭企業，谷歌是OpenAI必須要征服的一座大山。

如今，AI賽道的搶占已經悄然打響。

在這個賽道中，所有玩家都在瘋狂爭奪領地，建立護城河。在這個過程中，OpenAI也逐漸意識到C端用戶的重要。

直播僅僅用17分鐘的演示就已經吊足了所有看客的胃口。首席技術官Mira還在最后宣布， 在未來的幾周內，GPT-4o會向所有人免費開放！

用技術和價格爭取更多的用戶，是OpenAI現在的核心任務。

搜索哪去了？

在發布會之前，關于OpenAI將發布搜索引擎的新聞一度引起了熱議。還有網友扒出SearchGPT的頁面，收到了灰度測試。當網友們都以為這次發布會將隆重推出搜索服務時，OpenAI卻選擇再向前走一步。

搜索引擎旨在查找和提供信息。而智能助手則是著重自動化和優化任務執行，其功能范圍包含了信息查找，但絕不僅止于此。

傳統的搜索引擎，通過用戶關鍵詞查詢的方式開啟信息檢索，將搜索到的信息以網頁鏈接的形式進行羅列。

在2023年中，搜索市場又涌現了不少“新生力量”——AI搜索。例如，Perplexity AI、Arc Search等，大多遵從了“Answer First”原則——在面對用戶發出的對話式提問時，優先用文本總結，而非網頁鏈接的方式來回答用戶提出的問題。在回答的文本中，還會以引用的小標識形式來標注信息來源，用戶點擊后才會進入相關網頁。

有了AI大模型的加持，搜索的交互從「關鍵詞查詢」到了「對話式提問」，用戶體驗上了一個臺階。

但是，聲音是語言的關鍵，視覺才是人類輸入的第一信息。

這一次，OpenAI直接拓寬了開啟交互的渠道，將一個單調的對話框變成一個語音鍵、一個攝像頭，甚至可以同時調動三者，實現多模態交互。所有讓人興奮不已、眼花繚亂的功能只告訴了我們一個信息：

你的下一個搜索工具，何必是瀏覽器？

如此一個“集大成者”的智能助手是否讓你感覺一絲熟悉？沒錯，就是Siri。

在OpenAI的發布會之前，已經有消息爆出OpenAI和蘋果達成了合作，Siri將接入ChatGPT。消息的真實性尚且無法確定。

與此同時，被瞄準的谷歌也不會坐以待斃。據傳，在明日開啟的2024年I/O開發者大會上，谷歌或將升級智能助手Pixie。它的出現能否將比賽推向新的熱潮？蘋果的Siri又會花落誰家？

毫無疑問，這個夏天AI的世界將會令我們更加驚喜。