实测智谱清言AI视频通话，国产“GPT-4o”能打吗？

OpenAI画的饼🫓，被智谱AI抢先兑现了。

当初熬夜追GPT-4o发布会的震撼还历历在目，但眼看4个月过去了，GPT-4o的视频通话功能却迟迟没有实装，大伙都快被钓成翘嘴了。

不过，好在我们有自己的“OpenAI”。

前不久，智谱清言App推出了国内首个面向C端开放的视频通话功能，这波不是画饼，是实打实能用上的。

大家可以下载清言App或者在chatglm.cn申请内测。

在发布会现场，智谱官方演示了多个AI视频通话功能的使用场景，包括玩你画我猜、识别物体和环境、辅导作业等。

“AI新榜”在拿到内测资格后，立马上手体验了一波。国产“GPT-4o”到底能不能打？话不多说，请看vcr。

内测申请通过后，进入清言App，点击下方的📞按钮，切换成视频通话，就可以开始体验了。

无论是前置摄像头还是后置摄像头拍到的画面，清言都能看到，同时可以进行语音交互，整体跟真人打视频通话差不多。

如果通话过程中沉默超过1分钟，会自动断开连接。

我们先从最简单的物品识别开始，看看清言的眼力如何。

我对着书桌的一个小角落问它都看到了什么，它基本都说全了，就连日历上写的“Better Days Are Coming”、金属材质的小挂件这种细节也没放过。

可能是角度的问题，后来我把拍摄视角移到桌子的侧面，问它有什么遗漏，它才看出来还有白色台灯和白色抽屉柜。

挂断后我又开启了新一轮视频通话，没想到它还记得上一次视频通话的内容，一上来就问我“上次那个小兔子玩偶和挂历还摆在那里吗？”

除了能较为准确地识别具体的物品，它对环境的整体感知能力也不错。比如上班的时候，我把镜头往旁边的同事工位一转，它立马就看出来她在做PPT。

而且，它不只认识生活中常见的物品和场景，还能认出你在玩什么游戏。

这里我对着Switch上的游戏画面问它“你能看出来这是什么游戏吗”，它一下子就说出了正确答案：这是《动物森友会》吧，看，屏幕上好热闹，大家都在活动呢，我猜你一定也喜欢收集物品，打造自己的小岛吧。

看来我还真是低估了它的知识储备，紧接着我又问它屏幕里哪个是我？

结果它又一眼认出：屏幕里那个穿红衣服，戴帽子的小人是你吧，真可爱。

当我再次点开新的语音通话，它一句“最近有继续玩《动物森友会》吗？发现什么新乐趣没？”竟然还给我整得有点感动。

我be like：

再来看看它的艺术鉴赏能力，我找来家里的一幅装饰画让它分析，发现它真能说到点子上。

从整体风格到画面具体元素（绿色草地上姿态各异的小狗）和配色，说得都比较准确，最后还不忘加上一句感性评价“看着就让人心情好”。

虽然画上小狗的品种没有说全，但咱也不能过分苛责，毕竟画得比较简单抽象，有几只小狗是什么品种我自己辨认起来都费劲。

以及，谢谢清言让我涨知识，原来斑点狗又名达尔马提亚犬。

当然了，像视频通话这种功能还可以有很多生活化的应用场景。

比如，你可以让它充当自己的穿搭小助手，不仅能收获具体的搭配评价和建议，大概率还能收获一顿夸夸，情绪价值拉满。

让它当家教也不在话下。而且，它不会直接告诉你答案，而是一步一步引导着你解题，让你有一个思考的过程。

虽说可能还称不上资深教师，但辅导中小学生平时写写家庭作业应该够用了。

此外，你还可以让它一步步教你如何使用咖啡机、如何通关游戏等等。

自从有了这个视频通话功能，遇到什么事我都想问问它。

不过，模型偶尔也会出现幻觉、前言不搭后语、车轱辘话来回说的情况。

比如我让它猜我的电脑壁纸出自哪个动画片里的场景，虽然他一下看出了是《玩具总动员》，但却在描述画面时，硬生生把红桌子说成蓝桌子，蓝椅子说成红椅子。

此外，大家从视频中也可以看到，回答的响应时间依然存在一定延迟。面对大多数问题，它都会先响应一些类似“哇”“哎呀”等语气词，以及“嗯”“当然”“好的”等实际上不需要进一步理解和推理的话，以使用户体感上的响应时间较短。

总的来说，还是瑕不掩瑜。OpenAI画的大饼，智谱抢先兑现了，虽然效果不是很惊艳，但也足够让人眼前一亮。

自从GPT-4o和谷歌的Astra发布以来，拟人化、情感化的实时语音交互几乎成了所有AI对话产品的技术风向标。

特别是在社交场景中，情感化、低延迟、具备情绪感知能力的语音模型，无疑会让人机交互更自然真实沉浸，给用户带来更有温度的情绪反馈和陪伴感。

今年6月，Character.ai（下文简称C.ai）上线了对标GPT-4o的语音通话功能。据C.ai官方透露，在该功能内测期间，有300多万用户拨打了2000多万个电话。他们可以通过语音通话进行更真实、沉浸的角色扮演，或者练习语言、模拟面试等等。

8月19日，科大讯飞发布星火极速超拟人交互技术，在响应和打断速度、情绪感知情感共鸣、语音可控表达、人设扮演四个方面实现突破。预计将于今年8月底在讯飞星火App上线，面向所有用户开放。

最近，社交软件Soul也发布了自研的端到端全双工语音通话大模型，具备低交互延迟、快速自动打断、真实声音表达和情绪感知理解等能力，可以提供更接近生活日常的交互对话和“类真人”的情感陪伴体验。

而AI视频通话这种交互形式的想象空间，显然比纯文字或纯语音交互更上一层楼。

正如MiniMax的创始人兼CEO闫俊杰所说：“大模型在多模态的每一次进步，都会带来用户体验的提升、获得更高的用户渗透率。比如，当GPT-4o拥有更丝滑的语音交互（延时缩短、增加情感等）后，它就会走向更多人。”

那实时语音交互技术会诞生AI Super App吗？

目前，AI Super App公认有两个主要方向：一是生产力方向，以ChatGPT为代表。二是虚拟社交方向，以C.ai、Replika、星野等为代表。

某种程度上，C.ai已经实现了TPF（技术与产品匹配），但却远没有实现PMF（产品市场匹配），其付费订阅用户占总用户数的不到千分之一。虽然C.ai团队一直致力于升级底层模型能力，降低推理成本，但依然很难打平ROI。

不过，这其实是很多AI应用面临的共同挑战。在新技术爆发早期，商业模式往往落后于技术和产品的发展，从技术创新到市场普及，再到形成一个稳定可持续的商业模式需要时间。

今晚6点来视频号“头号AI玩家”直播间

中秋毛绒月饼到货！AI月饼变身教程来了