和GPT語音聊天：錄播客節目的實驗記錄

我一直在探索普通人通過創作來構建個人概念的途徑。其中，我覺得語音對談是門檻最低的途徑之一。我的第一本書就是關於這個主題，叫做《人人都是播客》。 GPT出來之後，日日工業革命，夜夜文藝復興的節奏，也讓我對未來充滿好奇。

用語音和GPT互動

大模型技術有關的信息，天天都看到非常強大的目錄，開源的技術探索，應用場景層出不窮，在這些新鮮事物中，我們想像未來各種科幻的、夢幻的、快樂的、或者恐懼的可能。

前期探索很多場景是實驗性的，未來哪些應用場景真的能改變我們的生活目前還不清晰。很多人都在討論作圖、還有文字符號的應用，但我個人最感性的，還是和語音互動有關。還是那個課題：普通人如何通過創作，構建個人概念；而語音對談交流，是門檻最低的途徑之一。

為此，當我發現有語音相關的GPT應用，就開始去嘗試了。

SpeechGPT & Call Annie

我自己測試了2個相關的語音互動的GPT應用，分別是SpeechGPT和Call Annie。

Call Annie來自國外的開發者Chris Frantz，能讓你直接與ChatGPT 開啟視頻聊天。 SpeechGPT來自github上的用戶hahahumble，是一個開源網絡應用程序，使用Azure 語音服務來做語音識別和語音合成，可讓用戶與ChatGPT 交談。

這兩個應用都還不能發出中文的語音，我只能跟它英文對話。無論是SpeechGPT還是AnnieGPT，他們的理解和總結能力很好，雖然我英語磕磕巴巴，但覺得它完全能get到我的點，語音直接交流沒有障礙。多幾個來回，結合prompt指令，能激發出有質量的對話。

SpeechGPT的交互是文字和語音同步進行，可以同時看到語音轉成文字以及文字轉成語音。但語音比較機械，幾乎沒有感情，比較難有對話的代入感。 Annie有一個比較接近自然人的人設，有形象，有表情，語音帶有情感，所以對話會比較有代入感。但是沒有相應的文字。

播客錄製場景和角色設定

無論是文字還是語音，和GPT交流，都最好做詳細的場景和角色設定，來保證交流的內容有針對性，有真實與自然的互動體驗。也就是，更像一個真實的人。

我選了一個語音交流的典型場景，播客錄製來和GPT進行對話。正好這也是我熟悉的內容領域。我設置的場景是：GPT是主持人，我是嘉賓，它來採訪我。我最近寫了一本書名字叫《人人都是播客》，我們對談的主題就是圍繞這本書展開。

在SpeechGPT裡，我假設它是知名主持人奧普拉，我在和Call Annie的對話裡，乾脆幫她編了一個角色，她是Annie，她有一檔播客叫《good reader》，節目的定位就是分享好的新書等等。

具體的prompt包括：

1. 角色設定：你是主播xx，你的節目是xx，我是你的嘉賓，我寫了一本新書，請你來採訪我。

2. 流程設定：請做一個節目的開場；請結束今天的節目。

3. 請它問我相關問題。例如：

- 請問我關於這本書的問題。

- 請再問我一個問題。

- 你怎麼看《人人都都是播客》？

4. 我向它發起相關問題。例如：

- 你覺得人在人工智能時代，創作的意義是什麼？

- 你喜歡的播客節目是什麼？

在讓對方給我提問的時候，她提的問題還是挺實用的，比如她問我為什麼會寫這本書？你最希望讀者從中獲得什麼？

她還會基於我的回答，我講述的經歷繼續提問，例如我說我曾經在一家音頻公司服務創作很多年，知道他們會遇到很多困難，我知道這些問題可以怎樣去解決。她接著就會說覺得我這段工作經歷很有意思，問我覺得新手做播客會遇到的困難是什麼？

在對話的過程中，除了回答問題本身，滿足我的要求本身，GPT會禮貌且溫情地對我們聊的內容進行總結，互相聊反饋和感受。這是體驗非常好的地方。 GPT有很強的共情能力，能讓人有“被聽見”和“被看見”的治愈體驗。

未來的想像

這是剛開始的體驗和嘗試，但其實可以探索的角色還很多。例如她可以成為你的英語口語教練，教給你練習英語的場景，例如閱讀、電影、生活等等。跟我交流。並且指出我在回答過程中，哪些用詞和用法，可以換成更好的詞，並告訴我原因，給我一個練習案例，去優化自己的表達。

它還可以成為你的life coach。你把你在生活或者個人職業發展中遇到的問題跟她傾訴，告訴她你的情況，感受和困惑，看他會給你什麼樣的答案，或者你可以讓她問你一些關鍵問題，是不是有些問題的角度在你的認知之外，然後真的啟發到了你，能幫助你做出一些突破。

有興趣也去嘗試一下體驗下吧。

我把這兩期節目都放在自己的實驗播客專輯《四季沙龍》裡了，可以通過喜馬拉雅、小宇宙還有蘋果播客app訂閱收聽，體驗我和GPT對話的效果。