7月31日，OpenAI宣布向部分已付费订阅的ChatGPT Plus用户开放GPT-4o语音模式的Alpha版本，预计于秋季全面推广。GPT-4o是首个融合文本、视觉及音频输入输出的统一模型，其语音反馈延迟显著缩短，接近无缝对话体验。该模式拥有快速响应、声音逼真等特点，能感知语音中的情感变化，如悲伤、兴奋或歌唱。然而，GPT-4o语音模式强调不会模仿特定个体或公众人物的声音，并会阻止非预设声音的输出。此更新旨在提升用户体验，推动人工智能领域的发展。