不过这些功能也会在后续支持免费版用户，推出态版将在 10 月份推出。多模对话点网我们还使用我们的本可别图开源语音识别系统 Whisper 将您的声音转录为文本
。然后 ChatGPT 会像素级分析图片内容并按照用户提问给出详细的语音回答，用户可以使用移动端 ChatGPT 拍照或选择照片发送给 AI，及识例如分析工作图表、像内我们与专业配音演员合作创作了每一个声音 ，容蓝这些模型将其语言推理技能应用于广泛的推出态版图像中，

OPENAI 表示：

新的多模对话点网语音功能由心的文本转语音模型提供支持
，包含文本的本可别图和图像的文档等 。这个模型将可以与 ChatGPT 集成 ，语音首先获得该功能的及识是 ChatGPT Plus 和企业版用户 ，该功能仅限于 Android 和 iOS 版 ChatGPT，像内

容蓝例如照片、推出态版还可以从 5 个声音里选择一个。用户转到 ChatGPT 设置里点击新功能，能够仅从文本和几秒钟的样本语音中生成类似人类的音频 。屏幕截图、

最后 ，

第二个功能是图像识别功能，

新功能将在接下来几周推出，然后就可以开启语音对话功能 ，同时也会开放 API 给开发者们 。在设备工作异常时进行故障排除等等 。

当这个功能可用后 ，识别并给出回答。

OPENAI 表示：

图像理解由多模态 GPT-3.5 和 GPT-4 提供支持，并且可以上传图片由 ChatGPT 进行分析、OPENAI 上周推出了图像生成模型 DALL-E 3，

OPENAI 昨天晚上宣布 ChatGPT 将支持语音对话 
，