IT之家 1 月 1 日消息，北京時(shí)間今天晚間，據(jù) The Information 報(bào)道，OpenAI 正在全面強(qiáng)化自身的音頻人工智能能力，為未來推出一款以語音為核心的個(gè)人 AI 設(shè)備鋪路。多名知情人士透露，這款設(shè)備將以聽覺交互為主要形式，而非依賴屏幕。

目前，ChatGPT 的語音功能與文本回答背后所使用的模型并不相同。OpenAI 內(nèi)部研究人員認(rèn)為，現(xiàn)有音頻模型在準(zhǔn)確性和響應(yīng)速度上明顯落后，促使公司在過去兩個(gè)月內(nèi)整合工程、產(chǎn)品和研究力量，集中攻克音頻模型短板。

這一調(diào)整直接指向 OpenAI 的硬件目標(biāo) —— 打造一款可通過自然語音指令操作的消費(fèi)級(jí)設(shè)備。此前報(bào)道稱，首款產(chǎn)品至少還需要一年時(shí)間才能面世。

隨著新架構(gòu)的引入，音頻模型已能生成更自然、更富情感的語音回應(yīng)，并具備與人類同時(shí)發(fā)聲、應(yīng)對(duì)打斷的能力。OpenAI 計(jì)劃在 2026 年第一季度正式發(fā)布該模型。

在硬件形態(tài)上，OpenAI 與谷歌、亞馬遜、Meta 和蘋果的判斷相似：現(xiàn)有主流設(shè)備并非為未來的 AI 交互而生。OpenAI 團(tuán)隊(duì)希望用戶通過“說話”而非“看屏幕”與設(shè)備互動(dòng)，認(rèn)為語音才是最貼近人類交流本能的方式。

與 OpenAI 合作推進(jìn)硬件項(xiàng)目的喬尼?艾維也強(qiáng)調(diào)，無屏幕設(shè)計(jì)不僅更自然，還有助于避免用戶沉迷。他認(rèn)為，新一代設(shè)備應(yīng)當(dāng)糾正以往消費(fèi)電子產(chǎn)品帶來的負(fù)面影響，并為此承擔(dān)責(zé)任。

不過，OpenAI 目前仍面臨現(xiàn)實(shí)挑戰(zhàn)。內(nèi)部人士指出，不少 ChatGPT 用戶并未習(xí)慣使用語音功能，這種情況不僅因?yàn)橐纛l模型效果不彰，也與功能認(rèn)知不足有關(guān)。在推出音頻優(yōu)先的 AI 設(shè)備之前，OpenAI 必須先改變用戶的使用習(xí)慣。

在組織層面，OpenAI 已組建專門團(tuán)隊(duì)推進(jìn)音頻 AI 戰(zhàn)略。來自 Character.AI 的語音研究員昆丹?庫馬爾負(fù)責(zé)整體方向，本?紐豪斯正在重構(gòu)面向音頻的底層架構(gòu)，多模態(tài) ChatGPT 的產(chǎn)品經(jīng)理杰基?香農(nóng)也參與其中。

OpenAI 并不打算只推出一款設(shè)備，而是規(guī)劃了一條產(chǎn)品線，包括智能眼鏡和無屏幕智能音箱。公司內(nèi)部的設(shè)想是，這類設(shè)備將以“伴隨式助手”的形態(tài)存在，主動(dòng)理解環(huán)境和用戶需求，并在獲得授權(quán)的情況下，通過音頻和視頻持續(xù)提供幫助。

為支撐這一長(zhǎng)期布局，OpenAI 已在 2025 年初斥資近 65 億美元（IT之家注：現(xiàn)匯率約合 455.06 億元人民幣）收購喬尼?艾維聯(lián)合創(chuàng)辦的 io，并同步推進(jìn)供應(yīng)鏈、工業(yè)設(shè)計(jì)與模型研發(fā)等多條工作線。

廣告聲明：文內(nèi)含有的對(duì)外跳轉(zhuǎn)鏈接（包括不限于超鏈接、二維碼、口令等形式），用于傳遞更多信息，節(jié)省甄選時(shí)間，結(jié)果僅供參考，IT之家所有文章均包含本聲明。