ChatGPT已进化到会看图和说话了！上教程！

HI，同学们，我是赤辰，本期是第14篇AI工具类教程，文章底部准备了粉丝福利，看完后可领取！

ChatGPT又又又升级！这次是支持语音聊天和图像问答。

这意味着用户现在除了键盘文本输入外，还可以选择通过语音或图片与ChatGPT互动。这为用户带来了更广泛的交流方式和更高的便捷性，丰富了与ChatGPT的互动体验。

根据官网介绍，在未来两周，将为 Plus 和 Enterprise 用户在 ChatGPT 中引入语音和图像功能。语音功能将在 IOS 和 Android 平台上推出（可以在设置中选择使用），而图像功能将适用于所有平台。

接下来详细演示一遍操作流程

1.语音功能

目前语音功能仅限于手机端使用，在手机上打开ChatGPT后，选择“设置”。

接着点击“新功能”选项，再选择启用语音交互功能。

之后，打开语音交互选项。

接下来，点击主界面右上角的耳机图标，从五个可选的声音中挑选你心仪的一个声音。

经亲测，SKY 的中文发音较为流利。其他的普通话发音都有点像马来西亚华人口音！

备注：新的语音功能使用的是先进的文本到语音模型。这个模型能够基于纯文本和短暂的语音样本产生近似人声的音频。OpenAI与资深配音演员合作，为这每一种声音赋予独特的音色。此外，还采用了Whisper，这是一个开放源代码的语音识别系统，用以将用户的语音转化为文字。

点击右上角的耳机符号，启动语音互动功能。

这个页面显示系统正在连接

进入这个界面代表GPT正在听你讲话

GPT 回复时，屏幕上会显示 4 个跳动的圆圈

让我震惊的是ChatGPT居然能理解中国各个地方的方言！用方言跟GPT 聊天，它会用普通话回答你，所有的对话都会同时以文字形式记录，不过目前语音交互模式暂时不支持实时联网。

ChatGPT的语音功能，基本可以实现需要语音输入和输出的应用场景。例如，可以用它来讲述入睡前的故事、进行口语练习（支持多种语言）、答疑、导航指示等等，大家可以发挥脑洞创意，探索更多潜在的有趣应用。

2.图像识别功能

ChatGPT的最新图像识别功能允许用户上传一张或多张图像，然后与GPT-4模型进行对话，目前电脑端或手机端均可使用图像识别功能。

网页端具体操作：进入主页后，选择GPT-4，接着点击Default模型，可以看到对话框有个小图标，就是图片上传的端口，上传图片提问即可。

不过亲测网页端的图片识别上传后，系统容易出现卡顿的情况，手机端操作会更顺滑一些，不仅支持在线拍摄发送，也支持图库上传。这里我发送了一张图片让GPT识别，居然回答得完全正确，确实厉害。

当然啦，你可以拍摄冰箱中当前存放的食物照片。将这些照片上传ChatGPT后，让它基于所拥有的食材为晚餐提供烹饪做法的建议及说明。

还可以拍摄孩子的数学问题照片，然后让它给出向孩子解释如何解决这个问题的建议等等，宝妈宝爸感叹辅导费又能省一大笔钱啦，实在太好玩了，大家赶紧去试试吧！

OK，本期内容就到这，最后，我也给粉丝们准备了福利，我们内部开发的完整【GPT/Midjourney/SD】使用教程，扫码加我即可领取，加我备注：教程

END

---

如果觉得有用心，请关注+点赞，下篇会更给力，系统也会将你标记为常读用户，日常就会收到我们推送的最新文章。