据Engadget报道,OpenAI的ChatGPT Voice与谷歌的Gemini Live均提供实时语音对话,但两者在语气、联网检索、付费门槛和硬件支持上存在差异。该媒体在长期使用后指出,ChatGPT Voice的表达更接近真人,Gemini Live的语调则更平。

ChatGPT在2022年推出时只能通过键盘交互,随后才出现实时语音聊天。ChatGPT Voice是这类功能中较早的一个,Google的Gemini Live随后加入竞争。与Google Assistant等旧式语音助手不同,这些聊天机器人可以就几乎任何话题进行自然对话,也能联网搜索最新信息。不过,Google和OpenAI在语音聊天上的做法明显不同。

在具体体验上,ChatGPT Voice在选词和语气上更具表现力,会使用自然的对话标记,例如用“mhmm”假装思考,甚至会在句子中间加入结巴。Gemini Live的表达听起来更平,差异来自语调和抑扬顿挫。有人不喜欢ChatGPT夸张的语调,因此可能更偏好谷歌的方式。另一个差异是,ChatGPT Voice更可能在回答前联网查找信息。Engadget记者向两者询问近期发布的Gemini 3.8 Live时,Gemini默认使用已有知识并称该产品不存在,ChatGPT Voice停顿数秒联网后给出了正确答案。按其经验,如果重视事实准确性,用户往往需要明确要求Gemini Live先做检索再回答。

除此之外,Gemini Live和ChatGPT Voice都能回答问题、查找信息,甚至实时切换多种语言。语音模式并不具备与文本模式相同的回答质量;由于语音对话需要快速响应,两者都使用能力稍弱、优先保证速度的模型。

免费用户会很快发现,两个聊天机器人都只提供几分钟对话时间,之后便切断访问。语音处理对算力的要求远高于纯文本。OpenAI和谷歌都提供付费方案,大幅提高使用上限,并允许使用能力更强的模型。例如在ChatGPT上,免费层的GPT-Live-1 mini缺乏更大GPT-Live-1模型的推理能力。最便宜的付费方案ChatGPT Go为每月8美元,谷歌AI Plus为每月5美元,两者的下一档均为每月20美元。该记者更偏好谷歌的订阅选项,因为最低档也捆绑400GB云存储,且最多可与五名家庭成员共享。

两个聊天机器人都支持在语音之外输入摄像头画面,用户可以把手机对准周围环境,为AI提供额外背景。Engadget记者常用这一功能展示正在处理的任务,而不是只用文字描述。例如他在调试自行车时使用Gemini Live,AI能引导流程,还在实时视频上叠加标记,帮助他快速找到需要拧紧的螺丝。ChatGPT在语音聊天中的摄像头访问被限制在每月20美元的订阅档;谷歌的同类功能免费,但有一定限制。入门级ChatGPT Go同样没有语音聊天中的摄像头访问,需要每月20美元档才能使用。

Gemini Live在硬件覆盖上也有优势。谷歌拥有广泛的硬件和软件服务,因此可以把Gemini Live放到通过Google Home Speaker使用的专用智能音箱上,甚至下放到较旧的Nest Audio和Hub设备。该记者的Google Home Mini也支持这一功能,对于2017年推出的设备而言并不常见。报道提到,唯一限制是需要订阅每月10美元的Google Home Premium才能使用该功能。