IT之家 1 月 1 日新闻
，北京功夫今天晚间
，据 The Information 报路
，OpenAI 在全面强化自身的音频人为智能能力
，为将来推出一款以语音为主题的幼我 AI 设备铺路。多名知恋人士泄漏
，这款设备将以听觉交互为重要大局
，而非依赖屏幕。 目前
，ChatGPT 的语音职能与文本回覆背后所使用的模型并不一样。OpenAI 内部钻研人员以为
，现有音频模型在正确性和响应快率上显著落后
，促使公司在从前两个月内整合工程、产品和钻研力量
，集中攻克音频模型短板。 这一调整直接指向 OpenAI 的硬件指标 —— 打造一款可通过天然语音指令操作的消费级设备。此前报路称
，首款产品至少还必要一年功夫能力面世。 随着新架构的引入
，音频模型已能天生更天然、更富感情的语音回应
，并具备与人类同时发声、应对打断的能力。OpenAI 打算在2026 年第一季度正式颁布该模型。 在硬件状态上
，OpenAI 与谷歌、亚马逊、Meta 和苹果的判断类似：现有主流设备并非为将来的 AI 交互而生。OpenAI 团队但愿用户通过“措辞”而非“看屏幕”与设备互动
，以为语音步崆最切近人类互换本能的方式。 与 OpenAI 合作推动硬件项主张乔尼?艾维也强调
，无屏幕设计不仅更天然
，还有助于预防用户沉迷。他以为
，新一代设备该当纠正以往消费电子产品带来的负面影响
，并为此承担责任。 不外
，OpenAI 目前仍面对现实挑战。内部人士指出
，不少 ChatGPT 用户并未习惯使用语音职能
，这种情况不仅由于音频模型成效不彰
，也与职能认知不及有关。在推出音频优先的 AI 设备之前
，OpenAI 必须先扭转用户的使用习惯。 在组织层面
，OpenAI 已组建专门团队推动音频 AI 战术。来自 Character.AI 的语音钻研员昆丹?库马尔掌管整体方向
，本?纽豪斯在沉构面向音频的底层架构
，多模态 ChatGPT 的产品经理杰基?香农也参加其中。 OpenAI 并不筹算只推出一款设备
，而是规划了一条产品线
，蕴含智能眼镜和无屏幕智能音箱。公司内部的设想是
，这类设备将以“伴随式副手”的状态存在
，自动理解环境和用户需要
，并在获得授权的情况下
，通过音频和视频持续提供援手。 为支持这一持久布局
，OpenAI 已在 2025 岁首斥资近 65 亿美元（IT之家注：现汇率约合 455.06 亿元人民币）收购乔尼?艾维结合创办的 io
，并同步推动供给链、工业设计与模型研发等多条工作线。