OpenAI 于11月19日宣布,ChatGPT 新增“实时听写”功能,用户对着麦克风说话时,语音可同步转换为文字,无需等待录音结束后再转写。该功能将陆续向全球所有 ChatGPT 用户开放,覆盖网页版、桌面客户端及 iOS 和 Android 应用。
使用方式上,用户点击音频波形即可查看实时转写的文字,录音结束后还能直接在输入框中编辑内容。OpenAI 同时宣布,取消 ChatGPT 语音听写原有的 10 分钟时长限制,并进一步提高转写的可靠性。这意味着用户可进行更长时间的连续语音输入,适用于会议记录、长文本草拟等场景。
此次更新是 OpenAI 在语音交互能力上的持续迭代。今年早些时候,ChatGPT 的双向语音对话模式曾迎来全面改版。去年,OpenAI 还推出了用于转写语音笔记和会议内容的“录制模式”,但该功能目前仍处于测试阶段,仅面向 Plus、Enterprise、Edu、Business 和 Pro 工作区开放。相比之下,实时听写功能面向全部用户开放,覆盖范围更广。
从产品定位看,实时听写将语音输入从“录音后转写”推进到“边说边转”,缩短了指令输入路径,也降低了用户在移动端和桌面端的使用门槛。用户可利用输入框的语音听写功能,让 ChatGPT 将语音消息转成文字,或整理成条列式要点。
对协同办公与内容生产场景而言,实时转写与取消时长限制的结合,使 ChatGPT 更接近一款轻量级语音记录工具。随着该功能向全量用户铺开,语音输入在 AI 助手交互中的占比有望进一步提升,OpenAI 与会议记录、笔记类 SaaS 产品之间的功能重叠也将更加明显。
该文观点仅代表作者本人,企服科学平台仅提供信息存储空间服务。