OpenAI
页面内容为机器翻译。查看英文原文。

ChatGPT 语音

与 ChatGPT 进行自然、自由的语音对话。

更新于：3 hours ago

概述

关于 ChatGPT 语音

ChatGPT 语音让你可以与 ChatGPT 交谈，并听取语音回复。语音功能可直接在聊天中使用，因此你可以边听边看文字回复，不方便说话时也能打字，还可以查看之前的消息，无需重新开始。

如果你只是想将一段录音转换成可编辑的文字，请使用 ChatGPT 听写。

实时模式可以一边聆听一边说话，让轮流发言和打断对方都更加自然。如果你的账号支持相应功能，实时模式还可以使用网页搜索和记忆功能，通过受支持的小组件展示可视化结果，并处理文字和图片。

ChatGPT 可能会出错。请核实重要信息，尤其是答案会随日期、时间或地点变化的问题。语音功能会根据设备或浏览器的时区来理解“今天”“明天”等表述。如果回答似乎不对，请检查时区设置，或在问题中注明确切的日期、时区或地点。详细了解 ChatGPT 及其准确性。

语音选项

你可能会在设置 > 语音中看到以下选项：

  • 实时模式由 GPT-Live-1.1 和 GPT-Live-1.1 Quip 提供支持，具体取决于你的套餐。实时模式专为自然的双向对话而设计，可以使用网页搜索和记忆功能，通过受支持的小组件展示可视化结果，并在同一聊天中处理文字和图片。实时模式还可以使用你的账号可用的插件和已连接的应用。实时模式不支持视频或屏幕共享。

  • 高级：此前的实时语音体验。如果需要使用视频或屏幕共享等受支持的移动端功能，请选择高级模式。

  • 标准：采用轮流发言方式的语音体验，会先将你的语音转录为文字，再生成回复。

可用选项可能取决于你的套餐、工作空间设置、地区、应用版本和家长控制。对于已关联的青少年账号，家长或监护人可以通过家长控制管理语音功能的访问权限。

要切换可用选项，请打开设置 > 语音，然后选择实时、高级或标准。

在实时模式中使用插件

在实时对话中，你可以要求 ChatGPT 使用你的账号可用的插件。你可能需要先连接应用并登录，才能使用。现有的应用权限和工作空间限制仍然适用。

在网页端和移动端，如果某项操作需要你批准，语音功能会提示你在屏幕上查看并确认。请使用屏幕上的控件批准或拒绝；不支持口头批准。

Business、Enterprise、Edu 和 Healthcare 工作空间的可用情况

符合条件的 Business、Enterprise、Edu 和 Healthcare 工作空间可以使用 ChatGPT 语音，具体取决于工作空间设置。

根据你的套餐和工作空间设置，你可以在以下场景中使用语音：

  • 聊天模式中的语音：通过自然的实时对话提问、开展头脑风暴和探索想法。聊天模式中的语音由 GPT-Live 提供支持，可在网页端、iOS 和 Android 上使用。实时模式还可以使用你的账号可用的插件和已连接的应用。

  • 网页端和移动端工作模式中的语音：使用实时模式操作已连接的应用、创建文档、演示文稿和电子表格，或使用浏览器。如果结束通话时任务仍在运行，它可以在文字对话中继续执行。需要同时具备语音和工作模式的访问权限。

  • 桌面端语音：通过语音启动任务、查看进度、询问有关智能体的问题，并在一次对话中协调多个智能体。可在 macOS 和 Windows 上的 ChatGPT 桌面应用中使用，并支持配对后的远程访问。

使用语音不会改变你对插件或已连接应用的访问权限。现有的数据权限和操作限制仍然适用。

用量限制

聊天模式中的语音

在聊天模式中，实时语音的用量按滚动 24 小时周期计算。达到上限时，ChatGPT 会通知你。

套餐用量
Free可限量使用 GPT-Live-1.1 Quip。用量限制可能会调整。
Go可使用 GPT-Live-1.1 Quip 3 小时
Plus可使用 GPT-Live-1.1 3 小时
Pro（100 美元/月）可使用 GPT-Live-1.1 15 小时
Pro（200 美元/月）可无限使用 GPT-Live-1.1*
Business 标准版可使用 GPT-Live-1.1 3 小时。超出部分每分钟消耗 1.25 额度。
Business 高级版可使用 GPT-Live-1.1 15 小时。超出部分每分钟消耗 1.25 额度。
K-12 教师版可使用 GPT-Live-1.1 3 小时
采用额度计费的 Enterprise、Edu 和临床医生版每分钟 1.25 额度
按用量以美元计费的 Enterprise每分钟 0.05 美元
旧版 Enterprise 和 Edu 套餐可使用 GPT-Live-1.1 3 小时

*受防滥用措施约束

网页端和移动端工作模式中的语音

工作模式中的语音遵循你所用套餐的语音用量限制和计费规则。与打字输入时一样，工作任务也会计入常规的工作模式用量。桌面应用中的语音采用单独的定价和用量限制。

桌面端语音

请参阅 ChatGPT 桌面端语音定价及限制，了解当前的可用情况、套餐配额和用量限制。

开始语音对话

在 iOS 和 Android 上

  1. 选择消息栏中的语音图标。

  2. 如果出现提示，请允许 ChatGPT 应用访问麦克风。

  3. 如果这是你第一次进行语音对话，请选择喜欢的音色。

  4. 语音开启后，开口说话即可开始对话。

对话期间，选择麦克风控件可将自己静音或取消静音。选择退出控件即可结束语音对话。

在网页版上

  1. 前往 ChatGPT.com。

  2. 选择提示词输入框中的语音图标。

  3. 如果出现提示，请允许浏览器访问麦克风。

  4. 语音开启后，开口说话即可开始对话。

对话期间，选择麦克风控件可将自己静音或取消静音。选择退出控件即可结束语音对话。

在实时模式中使用文字和图片

实时模式可在语音对话所在的同一聊天中接收文字和图片。语音开启时，你可以使用消息栏中的添加按钮附上可用的图片，也可以输入消息代替说话。ChatGPT 可以用语音回复，无需另开聊天。

可用的图片类型和限制取决于你的套餐和账号。

实时模式目前无法从你的 ChatGPT 资料库中查找或添加文件。根据账号情况，你仍可能可以手动向聊天添加受支持的文件。

共享视频或屏幕

实时模式不支持视频或屏幕共享。

符合条件的订阅用户在 ChatGPT iOS 和 Android 应用中使用高级模式时，仍可使用视频和屏幕共享：

  • 要共享实时视频，请在语音对话中选择摄像头按钮。再次选择该按钮即可停止共享。

  • 要共享屏幕，请选择更多选项菜单（•••），然后选择共享屏幕，并按照设备提示操作。

  • 要停止共享屏幕，请返回 ChatGPT，再次选择屏幕共享控件。你也可以通过设备的系统屏幕共享控件停止共享。

如果达到视频或屏幕共享的用量上限，你仍可能可以继续语音对话，但无法开始新的视频或屏幕共享输入。

更改首选音色

打开设置 > 语音，然后选择音色，从以下选项中挑选：

  • Arbor — 随和多变

  • Breeze — 活泼真诚

  • Cove — 沉稳直接

  • Ember — 自信乐观

  • Juniper — 开朗积极

  • Maple — 愉快坦率

  • Sol — 睿智轻松

  • Spruce — 平静且富有鼓励感

  • Vale — 明快好奇

实时模式还提供以下音色：

语言音色
巴西Viola 和 Rio
法语Aube 和 Rivage
德语Sonna 和 Miko
印地语Leher 和 Neer
日语Himari（ひまり）和 Rindō（りんどう）
韩语Haetsal（햇살）和 Hanul（한울）
墨西哥西班牙语Tinta 和 Arrullo
英语Bubbie

显示的音色可能因地区和账号而异。

在语音对话中更改所选音色，会在同一聊天中开始新的语音通话。

更改首选语言

如果语音功能识别错了语言，请选择你最常使用的语言，帮助 ChatGPT 更准确地理解你说的话。

  1. 打开设置。

  2. 选择语音，然后选择语言。

  3. 选择你的首选语言。

你也可以在语音对话中要求 ChatGPT 改用其他语言。

更改回复风格

ChatGPT 的预设个性目前不适用于实时模式。

你仍可在单次语音对话中要求 ChatGPT 改变语气、语速或回复风格。

你可以要求 ChatGPT 说快一点或慢一点，但目前无法精确调整播放速度。

在 CarPlay 中使用语音

在受支持的 iPhone 上，可以通过 Apple CarPlay 使用 ChatGPT。你可以在 CarPlay 屏幕上开始语音对话、继续最近的聊天或已置顶的聊天，也可以在项目中开始对话。详细了解如何在 CarPlay 中使用 ChatGPT。

请仅在法律允许且能够确保安全的情况下使用移动设备。请在驾驶前设置好应用，避免在车辆行驶时操作设备。

在后台继续对话

使用其他应用或手机锁屏时，你仍可以继续语音对话。你可以在设置 > 语音中管理后台对话。

当你主动结束对话、强制关闭应用、达到用量上限或最长会话时长时，后台对话就会结束。如果你正在高级模式中共享屏幕，停止共享或锁定屏幕也会结束屏幕共享。

启动 ChatGPT 时开启语音

在支持此功能的移动应用版本中，前往设置 > 语音，开启启动时开启语音。开启此设置后，打开 ChatGPT 并进入新对话或空白对话时，语音会自动启动。

要在 CarPlay 中自动启动语音，请前往设置 > 语音，开启在 CarPlay 中自动启动。在 CarPlay 中使用过 ChatGPT 后，此设置才会出现。

数据控制

音视频保留

实时和高级语音对话中的音频片段，以及高级语音对话中的视频片段，会与聊天记录中显示的转录文本一同存储。片段会保留 30 天。

当你删除聊天时，我们也会在 30 天内删除相关的音频和视频片段，但以下情况除外：我们需要根据隐私政策中所述的安全、防护或法律原因保留这些片段；或者，你此前选择分享这些片段以帮助训练我们的模型，且这些片段已与你的账号解除关联。

删除聊天及其相关音视频数据后，将无法恢复。归档只会将聊天从侧边栏中移除，不会删除聊天或相关的音频或视频片段。

使用标准模式时，音频会先转录为文字，然后 ChatGPT 才会生成回复。转录完成后，我们会删除音频，除非你选择分享音频以帮助训练我们的模型。即使转录失败，音频也会被删除。

模型训练与音视频片段

不会，除非你选择分享音频或视频片段以帮助训练我们的模型，或在 OpenAI 账号设置中开启了“包含你的录音”或“包含你的视频录像”。你可以在此详细了解数据控制选项。

如果开启了为所有人改进模型，我们可能会根据你的套餐和设置，使用语音对话中的转录文本和其他文件来训练模型。除非你按上述方式选择分享相关音频或视频片段以改进模型，否则我们不会将它们用于训练。

个人工作空间中的 Free、Plus 和 Pro 用户可以选择分享片段：打开设置 > 数据控制，开启为所有人改进模型，再开启包含你的录音或包含你的视频录像。

如果你选择分享音频或视频片段，我们的团队可能会查看这些片段，以帮助改进模型行为，例如了解 ChatGPT 在哪些地方听错或理解有误。在将分享的片段用于训练之前，我们会采取措施，减少片段中的个人信息。

如果你停止分享，新的片段将不再用于训练我们的模型。此前已与你的账号解除关联的片段可能会继续使用。此选项与你的账号关联，适用于你登录的所有设备。

详细了解数据控制，以及我们如何使用你的数据来提升模型性能。

常见问题

ChatGPT 说话时，我可以说话吗？

可以。实时模式可以一边聆听一边说话，因此你可以在 ChatGPT 回复时打断它或继续说话。ChatGPT 通常能跟上对话的最新内容，但双方同时说话、背景噪声、网络状况和麦克风设置都可能影响它听到的内容。

多人可以同时与 ChatGPT 交谈吗？

实时模式主要为一对一对话而设计。它能够应对背景噪声，但尚未针对多人对话进行优化。人们彼此交谈而非对 ChatGPT 说话时，它也可能回应。

为什么 ChatGPT 会打断我或停止说话？

对话中仍可能出现打断或中断，尤其是在有背景噪声、长时间停顿或其他人说话时。请尝试佩戴耳机、移至更安静的环境，或调高设备音量。在 iPhone 上，你还可以在语音对话期间打开控制中心，选择麦克风模式，然后开启语音突显。

我可以让语音功能等我把想法说完再回答吗？

在对话开始时，你可以要求实时模式等你准备好后再回复，例如：“等我让你回答时再回答。”不过，长时间停顿、背景人声或其他声音仍可能触发实时模式回复。

什么时候应该使用语音而不是听写？

如果想进行实时双向对话，或边说边梳理想法，请使用语音。如果你想口述提示词，查看并编辑转录文本后再以文字形式发送，请使用 ChatGPT 听写。语音转录文本并非逐字记录，可能与实际说出的内容不完全一致。

为什么转录文本与对话内容不完全一致？

语音对话结束后，转录文本会添加到聊天中。转录文本可能与你或 ChatGPT 实际说的话不完全一致，尤其是在双方同时说话、有背景噪声或对话节奏较快时。

使用实时模式时，ChatGPT 的回复也会在语音播放的同时以文字形式显示在聊天中。结束语音对话后，你可以在聊天记录中查看对话内容。

语音对话有字幕吗？

使用实时模式时，ChatGPT 的回复会在语音播放的同时以文字形式显示在聊天中。在 iOS 和 Android 上使用高级模式时，可在语音对话中选择 cc 按钮，显示 ChatGPT 回复的字幕。

结束语音对话后，转录文本会添加到聊天中，方便你在聊天记录中查看。

为什么我的语音对话结束了？

当你达到用量上限、最长会话时长，或较长的对话达到上下文上限时，语音对话可能会结束。ChatGPT 会尽可能显示提示。你可以通过文字继续对话，或重新启动语音。

我可以同时进行多少个语音对话？

一次只能进行一个语音对话。

这篇文章对你有帮助吗？