科幻电影《Her》里的场景，正在一步步走进现实。GPT-4o的语音功能终于开始灰度测试了——一批ChatGPT Plus用户已经抢先尝鲜。这次更新不只是让AI学会讲笑话、学猫叫那么简单，它甚至能充当“二外教练”，帮你练口语。

语音模式最直观的提升，是对话变得自然、即时。你可以随时打断它，它还能感知你的情绪并做出回应。按照计划，今年秋季所有ChatGPT Plus用户都能用上这一功能。更让人期待的是，视频和屏幕共享功能也将在随后上线——到时候，你和ChatGPT就能“面对面”交流了。

输出能力同样带来了惊喜。新模型的输出token从4000个直接飙到64000个——换句话说，一次性就能生成相当于4部长篇电影剧本的内容。OpenAI已经默默在官网上线了测试版新模型gpt-4o-64k-output-alpha。

为了确保安全性和质量，OpenAI在过去几个月里下了不少功夫。他们和100多名红队人员一起，用45种语言反复测试；同时训练模型只使用4种预设声音，以保护隐私。内容过滤也必不可少——暴力和版权相关的生成内容都被拦了下来。

网友们的实测结果也很有意思。有人发现它能快速回答问题，几乎没有延迟；有人用它模仿不同声音和口音；还有人让它当足球比赛解说员，甚至用中文讲生动的故事。这些案例充分展示了GPT-4o在语音识别和生成上的实力。

值得一提的是，OpenAI说视频和屏幕共享功能要稍晚推出，但已经有网友提前体验到了。比如有用户向ChatGPT展示了自己为新宠物猫准备的小窝，ChatGPT看了一眼评价道“一定非常舒适”，还关心地问起了猫咪的情况。

再说长输出功能，它也已经悄悄上线了。OpenAI正式向测试者提供GPT-4o Alpha版本，每次请求最多输出64K token——相当于200页小说。这个功能的推出，正是为了满足用户对更长内容输出的需求。

当然，更长的输出也意味着更高的计算量和价格。GPT-4o Long Output的定价是：每百万输入token 6美元，每百万输出token 18美元，比之前的模型贵了一些。不过研究员们认为，长输出主要用于数据转换这类场景，对写代码、改文章等任务帮助很大。

总的来说，GPT-4o的语音功能和长输出能力，正在为用户带来更丰富、更便捷的交互体验。随着技术不断演进，AI在更多领域展现独特价值，这一天已经不远了。