根据该平台最新测试版本中发现的代码，ChatGPT 的高级语音模式允许用户与聊天机器人实时对话，很快就会获得视觉天赋。虽然 OpenAI 尚未确认新功能的具体发布，但Android Authority发现的 ChatGPT v1.2024.317 beta 版本中的代码表明，所谓的“实时摄像头”可能即将推出。
OpenAI 于 5 月份首次展示了ChatGPT的高级语音模式视觉功能，当时该功能首次在 alpha 版本中推出。在当时发布的演示中，系统能够通过手机的摄像头识别出它正在看一只狗，根据过去的互动识别狗，识别狗的球，并将狗与球的关系关联起来（即玩取球）。
该功能也立即受到了 alpha 测试人员的欢迎。 X 用户曼努埃尔·塞恩斯利 (Manuel Sainsily) 根据摄像机的视频输入，使用它来回答有关他的新小猫的口头问题，效果非常好。
尝试刚刚在 Alpha 版本中发布的#ChatGPT的新高级语音模式。这感觉就像是和一位知识渊博的朋友面对面交流，在这种情况下，这非常有帮助——让我们对新小猫感到放心。它可以实时回答问题并使用摄像头作为输入！ pic.twitter.com/Xx0HCAc4To
—曼努埃尔·赛恩西里 (@ManuVision) 2024 年 7 月 30 日
高级语音模式随后于 9 月份向 Plus 和 Enterprise 订阅者发布了测试版，尽管没有附加的视觉功能。当然，这并没有阻止用户 疯狂地测试该功能的声音限制。该公司表示，高级语音“提供更自然、实时的对话，允许您随时打断，并感知和响应您的情绪”。
数字眼睛的加入肯定会让高级语音模式与 OpenAI 的主要竞争对手谷歌和 Meta 区分开来，这两家公司最近几个月都推出了自己的对话功能。
Gemini Live 可能能够说 40 多种语言，但它无法看到周围的世界（至少在Project Astra 启动之前）——Meta 的自然语音交互（在 9 月份的 Connect 2024 活动上首次亮相）也无法使用相机输入。
OpenAI今天还宣布高级语音模式现在也可用于桌面上的付费ChatGPT Plus帐户。它曾一度只能在移动设备上使用，但现在也可以在笔记本电脑或 PC 上直接访问。