OPENAI为ChatGPT推出多模态版本可以语音对话以及识别图像内容

OPENAI为ChatGPT推出多模态版本可以语音对话以及识别图像内容 – 蓝点网

时间：2026-03-24 07:20:14 来源：首尾相应网

OPENAI 昨天晚上宣布 ChatGPT 将支持语音对话，推出态版该功能仅限于 Android 和 iOS 版 ChatGPT，多模对话点网并且可以上传图片由 ChatGPT 进行分析、本可别图识别并给出回答。语音

当这个功能可用后，及识用户转到 ChatGPT 设置里点击新功能，像内然后就可以开启语音对话功能，容蓝还可以从 5 个声音里选择一个。推出态版

OPENAI 表示：

新的多模对话点网语音功能由心的文本转语音模型提供支持，能够仅从文本和几秒钟的本可别图样本语音中生成类似人类的音频。我们与专业配音演员合作创作了每一个声音，语音我们还使用我们的及识开源语音识别系统 Whisper 将您的声音转录为文本。

第二个功能是像内图像识别功能，用户可以使用移动端 ChatGPT 拍照或选择照片发送给 AI，容蓝然后 ChatGPT 会像素级分析图片内容并按照用户提问给出详细的推出态版回答，例如分析工作图表、在设备工作异常时进行故障排除等等。

OPENAI 表示：

图像理解由多模态 GPT-3.5 和 GPT-4 提供支持，这些模型将其语言推理技能应用于广泛的图像中，例如照片、屏幕截图、包含文本的和图像的文档等。

新功能将在接下来几周推出，首先获得该功能的是 ChatGPT Plus 和企业版用户，不过这些功能也会在后续支持免费版用户，同时也会开放 API 给开发者们。

最后，OPENAI 上周推出了图像生成模型 DALL-E 3，这个模型将可以与 ChatGPT 集成，将在 10 月份推出。