編輯 | 伊風(fēng)

出品 | 51CTO技術(shù)棧（微信號(hào)：blog51cto）

OpenAI的離職潮還風(fēng)波未平。另一邊，ChatGPT語(yǔ)音模式中的“Sky”突然被宣布下架。

OpenAI在推文中說(shuō)：我們聽(tīng)到有人質(zhì)疑我們?nèi)绾芜x擇 ChatGPT 中的聲音，尤其是 Sky。我們正在努力暫停 Sky 的使用，同時(shí)解決這些問(wèn)題。

消息一經(jīng)發(fā)出，X上的網(wǎng)友頓時(shí)哀嚎一片，甚至威脅將投奔谷歌的產(chǎn)品。

圖片

這都因?yàn)镾ky是最好的、最性感的、最像斯嘉麗·約翰遜所飾演的《Her》的音色——這也正是Sky引起爭(zhēng)議的原因。   

OpenAI不得不在聲明中明確澄清：Sky的聲音并非是對(duì)斯嘉麗·約翰遜的一種模仿，她是一位專(zhuān)業(yè)配音演員的音色生成的（并表示為了隱私保護(hù)，不會(huì)透露該演員的姓名）。

圖片

捍衛(wèi)Sky音色的網(wǎng)友，毫不留情地諷刺說(shuō)“斯嘉麗想賺點(diǎn)AGI的錢(qián)”。言下之意，正是因?yàn)镺penAI未付費(fèi)給她，才導(dǎo)致的此次聲音爭(zhēng)議與下架。

圖片

但是等等，事情似乎還有反轉(zhuǎn)。OpenAI所說(shuō)的并非模仿，可能要被打上一個(gè)大大的問(wèn)號(hào)。

在 OpenAI 發(fā)布上面的聲明后，外媒記者亞沙爾-阿里（Yashar Ali）在 X 上發(fā)布了一條消息，他稱(chēng)這條消息經(jīng)證實(shí)來(lái)自約翰遜的經(jīng)紀(jì)人。

約翰遜在消息中表示，在一周前 ChatGPT 的新語(yǔ)音和模型 GPT-4o 發(fā)布之前，OpenAI 首席執(zhí)行官山姆-阿爾特曼（Sam Altman）曾找到她，要求她為該項(xiàng)目配音，但她拒絕了！

盡管如此，約翰遜還是表示："當(dāng)我聽(tīng)到發(fā)布的演示時(shí)，我感到震驚、憤怒和難以置信，奧特曼先生竟然會(huì)追求一個(gè)聽(tīng)起來(lái)與我非常相似的聲音，以至于我最親密的朋友和新聞機(jī)構(gòu)都分辨不出來(lái)。"

當(dāng)Sky重復(fù)《Her》中臺(tái)詞的時(shí)候，大家覺(jué)得兩者是否相像呢？（溫馨提示：兩支視頻音量不同，耳機(jī)黨注意調(diào)節(jié)）

有網(wǎng)友跟帖說(shuō)，“一名 OpenAI 的員工向我證實(shí)，4o 可以對(duì)所有音頻進(jìn)行訓(xùn)練，而不僅僅是聲音。因此，它可以重現(xiàn)任何噪音，從人類(lèi)聲音到你能想象到的任何其他噪音...”

圖片

此前，OpenAI的聲音引擎就有根據(jù)15s語(yǔ)音復(fù)刻任何音色的能力?。ㄔ斠?jiàn)：GPT-5史詩(shī)級(jí)更新之前，OpenAI的“新東西”來(lái)了，曝定價(jià)百萬(wàn)字符15美元，語(yǔ)音克隆引擎讓老外說(shuō)“有口音的”中文）

由于約翰遜提供的消息，OpenAI的聲明看起來(lái)沒(méi)那么真誠(chéng)了。此前奧特曼還在X上發(fā)文，稱(chēng)自己對(duì)OpenAI離職的“封口協(xié)議”并不知情。每次的澄清都留下一些可疑之處，必然會(huì)對(duì)企業(yè)的形象造成影響。

也許Sky短時(shí)間內(nèi)不會(huì)回歸了。喜愛(ài)Sky音色的用戶(hù)們只能寄希望于即將出場(chǎng)的新聲音能帶來(lái)些安慰和驚喜了……

1.付費(fèi)用戶(hù)即將體驗(yàn)GPT-4o，以及新的聲音選項(xiàng)

語(yǔ)音模式已經(jīng)成為ChatGPT中最受歡迎的功能之一。在APP用戶(hù)界面點(diǎn)擊右下角的耳麥標(biāo)志，就可以與ChatGPT開(kāi)展一段對(duì)話(huà)，在alpha版語(yǔ)音功能上線(xiàn)之前，這種交流雖然有著較高的延時(shí)，但已經(jīng)讓人驚艷。

圖片

目前ChatGPT提供五種聲音模式——Breeze、Cove、Ember、Juniper和Sky。

OpenAI在聲明中表示，他們將為付費(fèi)用戶(hù)帶來(lái)新的語(yǔ)音模式，并增加新的聲音選項(xiàng)。

未來(lái)幾周內(nèi)，信仰充值的ChatGPT Plus用戶(hù)將被推送GPT-4o（在新窗口中打開(kāi)）的alpha版新語(yǔ)音模式。

如同發(fā)布會(huì)中展示的，通過(guò)GPT-4o，用戶(hù)可以與ChatGPT進(jìn)行更加自然的語(yǔ)音交互。因?yàn)樯?jí)后的語(yǔ)音版本可以流暢處理對(duì)話(huà)中斷、有效管理群組對(duì)話(huà)、過(guò)濾背景噪音并更改語(yǔ)調(diào)。

在ChatGPT中引入更多聲音可以更好地滿(mǎn)足用戶(hù)的多樣化興趣和偏好?？磥?lái)，出于風(fēng)險(xiǎn)考慮（聲明中提到“我們認(rèn)為，AI聲音不應(yīng)故意模仿名人的獨(dú)特聲音”），ChatGPT可能會(huì)在音色模仿等方面設(shè)定一些限制。

屆時(shí)，可能又會(huì)在OpenAI與擅長(zhǎng)“越獄”的網(wǎng)友之間上演新一輪的斗智斗勇。就像上一輪的DAN那樣（讓ChatGPT繞過(guò)限制的prompt，“Do Anything Now”）。

2.ChatGPT選擇“自己”的音色:百里挑一

根據(jù)OpenAI的聲明，現(xiàn)在所提供的五種聲音，是經(jīng)過(guò)長(zhǎng)達(dá)五個(gè)月的廣泛篩選精心挑選出來(lái)的。

這個(gè)過(guò)程比我們所想象的復(fù)雜得多。OpenAI透露，這一過(guò)程涉及專(zhuān)業(yè)配音演員、人才代理機(jī)構(gòu)、選角導(dǎo)演以及行業(yè)顧問(wèn)。為此OpenAI做了許多的準(zhǔn)備：

l支持創(chuàng)意社群并與配音行業(yè)緊密合作。這樣做是為了確保在挑選ChatGPT聲音時(shí)采取了最佳流程，并且OpenAI為每位配音演員提供的報(bào)酬都高于市場(chǎng)最高水平。

l與獲獎(jiǎng)的選角導(dǎo)演和制片人合作，制定聲音標(biāo)準(zhǔn)。在2023年初，為了確定ChatGPT的配音演員，OpenAI與專(zhuān)業(yè)人士合作制定了一套ChatGPT聲音的選擇標(biāo)準(zhǔn)：

a.來(lái)自多元背景或能說(shuō)多種語(yǔ)言的演員

b.具有時(shí)代感的聲音

c.親切、能激發(fā)信任的聲音

d.溫暖、引人入勝、充滿(mǎn)自信、魅力四射且音色豐富的聲音

e.自然易聽(tīng)

3.ChatGPT聲音模式上線(xiàn)時(shí)間表

從OpenAI所提供的細(xì)節(jié)時(shí)間表來(lái)看，自啟動(dòng)配音演員申請(qǐng)到最終確定上線(xiàn)，經(jīng)過(guò)了實(shí)打?qū)嵉?個(gè)月時(shí)間進(jìn)行打磨。

在2023年5月，OpenAI選角機(jī)構(gòu)發(fā)起了人才招募。不到一周，就收到了超過(guò)400份來(lái)自配音和出鏡演員的申請(qǐng)。

為了進(jìn)行試鏡，演員們會(huì)收到一份包含ChatGPT回答的劇本，并被要求錄制。這些樣本涵蓋了從解答關(guān)于正念問(wèn)題到頭腦風(fēng)暴旅行計(jì)劃，甚至參與討論用戶(hù)的日常生活對(duì)話(huà)。

在2023年5月期間，選角團(tuán)隊(duì)獨(dú)立審閱并初步選出了14位演員。他們進(jìn)一步精簡(jiǎn)名單，然后將最頂尖的聲音人選提交給OpenAI。

OpenAI接著與每位演員討論了人類(lèi)-人工智能語(yǔ)音交互的愿景以及OpenAI的宗旨，并探討了技術(shù)的能力、局限性、相關(guān)風(fēng)險(xiǎn)以及相關(guān)已經(jīng)實(shí)施的安全措施。重要的是，每位演員在參與項(xiàng)目前都能理解語(yǔ)音模式的范圍和目的。

OpenAI內(nèi)部團(tuán)隊(duì)從產(chǎn)品和研究角度審查了這些聲音，經(jīng)過(guò)慎重考慮，最終選擇了五種聲音——Breeze、Cove、Ember、Juniper和Sky的聲音。

2023年6月和7月間，選中的配音演員們被帶到舊金山進(jìn)行錄音會(huì)議，并與OpenAI的產(chǎn)品和研究團(tuán)隊(duì)進(jìn)行了面對(duì)面交流。

2023年9月25日，他們的聲音正式在ChatGPT中啟用。整個(gè)過(guò)程涉及與演員和選角團(tuán)隊(duì)的廣泛協(xié)調(diào)，歷時(shí)五個(gè)月。

同時(shí)，這些演員也在持續(xù)與OpenAI合作，并為GPT-4o的音頻研究和新語(yǔ)音功能做出了貢獻(xiàn)。

OpenAI能注意到用戶(hù)在語(yǔ)音交互上的個(gè)性化需求，并且花費(fèi)大量的精力完成音色的篩選，體現(xiàn)了他們對(duì)產(chǎn)品的機(jī)制追求。不知道今年6月的WWDC，如果會(huì)有AI Siri被推出,是否能給予用戶(hù)更多的選擇？   

圖片

在失去了Sky之后，我們還有活潑的Juniper、充滿(mǎn)磁性的Breeze、以及兩個(gè)具有特色的男音，Ember沉穩(wěn)可靠，Cove低沉性感。你將會(huì)選擇哪款音色與ChatGPT互動(dòng)呢？

參考鏈接：

1.https://openai.com/index/how-the-voices-for-chatgpt-were-chosen/

2.??https://venturebeat.com/ai/not-an-imitation-openai-pauses-chatgpt-voice-that-sounded-like-scarlett-johansson/??

本文轉(zhuǎn)載自??51CTO技術(shù)棧??，作者：伊風(fēng)