社区所有版块导航
Python
python开源   Django   Python   DjangoApp   pycharm  
DATA
docker   Elasticsearch  
aigc
aigc   chatgpt  
WEB开发
linux   MongoDB   Redis   DATABASE   NGINX   其他Web框架   web工具   zookeeper   tornado   NoSql   Bootstrap   js   peewee   Git   bottle   IE   MQ   Jquery  
机器学习
机器学习算法  
Python88.com
反馈   公告   社区推广  
产品
短视频  
印度
印度  
Py学习  »  chatgpt

ChatGPT听写告别「盲说」!边说边出字,10分钟上限也砍了

新智元 • 13 小时前 • 19 次点击  

  新智元报道  


以前,对ChatGPT口述一长段指令,感觉有点像开盲盒。


对着麦克风噼里啪啦说上三五分钟,屏幕上只有一条上下跳动的声波线。


等按下结束、转写读条跑完,你才能知道它到底把你的话听成了什么。


有时,甚至还会弹出一句冷冰冰的「转录失败」,几分钟全白说。


这种让人血压飙升的「盲说」体验,终于要成为历史。


11月18日,OpenAI喊大家开麦畅聊:正式上线了Live Dictation(实时听写),还顺手砍掉了原来单次10分钟的录音上限。



这次更新一共改了4件事:


1. 边说边出字:告别「说完再等转写」,话一出口文字同步上屏;

 

2. 取消10分钟上限:长篇口述不再掐表中断(官方未交底新上限,别真当无限录音笔使);


3. 随时隐藏跳字:听写时轻点声波条,即可开关实时文字显示;


4. 全量分批开放:不挑账号等级,免费版也能用,覆盖iOS、Android、网页和桌面4端,正在全球陆续推送。



OpenAI总裁Greg Brockman第一时间下场安利,直言语音本来就是用电脑和各类应用更舒服的姿势,实时听写让这套体验顺手太多了。



网友们也在评论区称赞这是大功一件:终于能够一边说话一边看清AI到底听对没有。




告别「闭眼盲说」
10分钟封印解除


回想以往用ChatGPT或者日常社交软件发语音转文字,最折磨人的就一个字:等。


这回上线的Live Dictation,最直观的爽感就是几乎不用再等转写。


手指点开麦克风的同一秒,蓝色光标就开始推着单词在输入框里实时滚动。


你嘴里说到哪,屏幕上的句子就跟到哪,不仅能用来给ChatGPT喂长指令,平时拿来当随身速记本使也是够格的。



除了不用干等,实时出字还顺手治好了语音输入的另一大顽疾:专业术语和关键数字的错漏校对。


平时口述技术方案或工作周报,一碰上AI模型名、英文缩写和数字,语音识别就容易开始随意发挥——


你说「Claude」,它给你写成「Cloud」;说「Token」,它给你整出个「偷啃」。


哪怕识别率做到99%,只要还得等到说完再从头排雷,嘴上省下的那点时间,可能全要赔在审稿上。


现在,你可以一边说一边看屏幕。


说到专业术语或关键数字,瞄一眼屏幕就能核对。哪儿听岔了,趁还记得原话,发出去之前顺手改过来。


第二个让重度用户拍手叫好的改动,是单次10分钟录音上限的正式取消。


对于习惯用语音口述长篇提示词、复盘会议或者做头脑风暴的人来说,现在终于可以敞开跟ChatGPT长篇大论。


在官方放出的实测画面里,一位小哥拿着手机口述婚礼伴郎致辞,从大学宿舍初次见面、南美40英尺悬崖跳水,一路聊到老友儿子出生认自己当干爹。



整整几大段跨度十几年的回忆录一口气讲完,中间没有任何卡顿、断连。


不仅如此,OpenAI还给实时听写塞进了一个很懂打工人的防窥小设计。


试想你在咖啡馆、地铁车厢或安静的开放工位小声口述时,肯定不想让邻座瞄着屏幕,就看到你正在说的私密内容。


这时只需轻点输入框下方的语音声波条,实时滚动的文字就会瞬间隐身。



而后台转写不会停,等你想检查文字了,再点一下声波条就能立刻恢复显示,安全感拉满,还能防分神。


目前,Live Dictation正面向全球所有ChatGPT套餐分批推送,iOS、Android、网页版和桌面客户端全都有份。



苦等一个月的「当场重说」
终于成了标配


早在一个多月前,就有用户提前尝到了「睁眼说话」的甜头。可没过多久,这项功能就不见了。


10月18日,这位用户在OpenAI社区发帖求助。


他是ChatGPT Plus用户,有肢体障碍,日常用ChatGPT非常依赖语音输入。


发帖前约两周,他在iPad上口述时意外发现文字开始实时蹦出来了。


他在帖子里写道,哪句听岔了,他一眼就能看到并当场重说,不用等整段说完再返工。



谁知到了10月18日,这项功能突然从他的iPad上消失了。


直到这次,OpenAI直接发了更新说明,把实时听写推向全部套餐。


这位用户在社区里苦等了一个月的「当场重说」功能,现在所有人都能用了。


对普通人来说,实时出字省的是几秒钟等待。


可对天天靠嘴打字的人来说,还是「眼见为实」。


刚说的人名、刚报的数字,瞄一眼输入框就能核对,按下发送键时心里才有底。



语音是「打电话」
听写是拿嘴「打草稿」


很多人看到「ChatGPT语音更新」,第一反应是那个能陪你唠嗑、随时打断的高级语音模式。


这实际上是两码事:这次更新改的是「听写」。


说白了,语音对话是跟AI「打电话」,听写是拿嘴「打草稿」。


打电话讲究即时过招,话一出口就直接发给了模型,中间嘴瓢、卡壳或者临时改主意,说出去就难收。


而听写把声音留在输入框里,哪里说错了可以随时停下来删改,主导权始终攥在自己手里。


平时闲聊解闷、练口语,找语音对话更自然。


但真要给ChatGPT交代复杂背景、塞一大段工作指令,边说边改的听写往往比直接连麦靠谱得多。



5个月连动三刀
OpenAI把听写扶正了


单看「实时出字」,似乎只是补上了一块基础体验。


但把时间线往回拨你就会发现,5个月里OpenAI已经对听写动过三次刀:


  • 6月26日,所有套餐的听写换上新的语音转文字模型,官方称属于后台升级,用法不变——先治「耳背」,解决听得准不准;


  • 8月14日,Android端输入文字或挂上附件后,听写按钮依然可用,打字和口述能在同一条消息里来回切——再通「手嘴配合」,解决能不能混用;


  • 11月18日,实时听写上线,同时取消10分钟录音上限——最后摘掉「眼罩」,解决能不能边说边看、一口气说完。


不到5个月,ChatGPT接连改了三次听写,用意很明显:听写早已不再是键盘旁边的凑数按钮,它正在被当成一种主力输入方式来重做。


这背后的变化也很实际。


如今大家往ChatGPT里喂的任务,早就过了「一句话搜个答案」的阶段。


就拿改一份项目汇报来说,「帮我改改」四个字很好敲,真正费工夫的是把后面那一长串前因后果交代清楚,在手机上就得抠好几大段。


同样是这样一串要求,手指敲和张嘴说,到底差多少?


斯坦福大学、华盛顿大学和百度的研究人员早年做过一组实测,让受试者在安静房间里用iPhone输入给定的中文短句。


结果显示,哪怕把事后改错的时间全算进去,普通话口述的速度依然是手机拼音打字的2.87倍。


手机短句录入实验中,普通话口述速度是拼音打字的2.87倍。


既然动嘴快了近3倍,为什么以前大家给AI喂长指令,还是宁愿低头抠字?


症结不在快慢,而在心里没底。


现在给ChatGPT交代任务,嘴里讲到预算和截止日期,低头扫一眼屏幕,当场就能确认数字对不对。


语音转文字最难跨过去的那道坎,是说完就敢发。


话到兴头,不再被10分钟一刀掐断;它听岔的那一秒,错误当场就能揪住、改掉。


参考资料:

https://x.com/ChatGPT/status/2123114715257946334
https://x.com/gdb/status/2123150520303161763
https://help.openai.com/en/articles/6825453-chatgpt-release-notes

编辑:元宇


秒追ASI
⭐点赞、转发、在看一键三连⭐
点亮星标,锁定新智元极速推送!

Python社区是高质量的Python/Django开发社区
本文地址:http://www.python88.com/topic/203636