深潮 TechFlow  消息，OpenAI 計劃在 ChatGPT 推出語音和圖像對話功能，新功能將於未來兩週內面向 Plus 和企業用戶推出，其中語音對話功能將在 iOS 和 Android 設備上推出，圖像對話功能將在所有平臺上提供。

語音功能由新的文本轉語音模型提供支持，能夠僅從文本和幾秒鐘的示例語音中生成類似人類的音頻，並使用開源語音識別系統 Whisper 將口語轉錄為文本，然後生成答案，再將答案轉換為語音，播放給用戶；圖像功能由多模態 GPT-3.5 和 GPT-4 提供支持，將語言推理技能應用於各種圖像，例如照片、屏幕截圖以及包含文本和圖像的文檔，允許用戶向 ChatGPT 顯示一個或多個圖像，ChatGPT 會嘗試識別用戶想要詢問的內容，並給出相應的回答，比如探索冰箱中的內容以計劃用餐，或分析與工作相關數據的複雜圖表等等。