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。