我一直在探索普通人通过创作来构建个人概念的途径。其中，我觉得语音对谈是门槛最低的途径之一。我的第一本书就是关于这个主题，叫做《人人都是播客》。GPT出来之后，日日工业革命，夜夜文艺复兴的节奏，也让我对未来充满好奇。
用语音和GPT互动
大模型技术有关的信息，天天都看到非常强大的目录，开源的技术探索，应用场景层出不穷，在这些新鲜事物中，我们想象未来各种科幻的、梦幻的、快乐的、或者恐惧的可能。
前期探索很多场景是实验性的，未来哪些应用场景真的能改变我们的生活目前还不清晰。很多人都在讨论作图、还有文字符号的应用，但我个人最感性的，还是和语音互动有关。还是那个课题：普通人如何通过创作，构建个人概念；而语音对谈交流，是门槛最低的途径之一。
为此，当我发现有语音相关的GPT应用，就开始去尝试了。
SpeechGPT & Call Annie
我自己测试了2个相关的语音互动的GPT应用，分别是SpeechGPT和Call Annie。
Call Annie来自国外的开发者 Chris Frantz，能让你直接与 ChatGPT 开启视频聊天。SpeechGPT来自github上的用户hahahumble，是一个开源网络应用程序，使用 Azure 语音服务来做语音识别和语音合成，可让用户与 ChatGPT 交谈。
这两个应用都还不能发出中文的语音，我只能跟它英文对话。无论是SpeechGPT还是AnnieGPT，他们的理解和总结能力很好，虽然我英语磕磕巴巴，但觉得它完全能get到我的点，语音直接交流没有障碍。多几个来回，结合prompt指令，能激发出有质量的对话。
SpeechGPT的交互是文字和语音同步进行，可以同时看到语音转成文字以及文字转成语音。但语音比较机械，几乎没有感情，比较难有对话的代入感。Annie有一个比较接近自然人的人设，有形象，有表情，语音带有情感，所以对话会比较有代入感。但是没有相应的文字。
播客录制场景和角色设定
无论是文字还是语音，和GPT交流，都最好做详细的场景和角色设定，来保证交流的内容有针对性，有真实与自然的互动体验。也就是，更像一个真实的人。
我选了一个语音交流的典型场景，播客录制来和GPT进行对话。正好这也是我熟悉的内容领域。我设置的场景是：GPT是主持人，我是嘉宾，它来采访我。我最近写了一本书名字叫《人人都是播客》，我们对谈的主题就是围绕这本书展开。
在SpeechGPT里，我假设它是知名主持人奥普拉，我在和Call Annie的对话里，干脆帮她编了一个角色，她是Annie，她有一档播客叫《good reader》，节目的定位就是分享好的新书等等。
具体的prompt包括：
角色设定：你是主播xx，你的节目是xx，我是你的嘉宾，我写了一本新书，请你来采访我。
流程设定：请做一个节目的开场；请结束今天的节目。
请它问我相关问题。例如：
- 请问我关于这本书的问题。
- 请再问我一个问题。
- 你怎么看《人人都都是播客》？
- 我向它发起相关问题。例如：
- 你觉得人在人工智能时代，创作的意义是什么？
- 你喜欢的播客节目是什么？
在让对方给我提问的时候，她提的问题还是挺实用的，比如她问我为什么会写这本书？你最希望读者从中获得什么？
她还会基于我的回答，我讲述的经历继续提问，例如我说我曾经在一家音频公司服务创作很多年，知道他们会遇到很多困难，我知道这些问题可以怎样去解决。她接着就会说觉得我这段工作经历很有意思，问我觉得新手做播客会遇到的困难是什么？
在对话的过程中，除了回答问题本身，满足我的要求本身，GPT会礼貌且温情地对我们聊的内容进行总结，互相聊反馈和感受。这是体验非常好的地方。GPT有很强的共情能力，能让人有“被听见”和“被看见”的治愈体验。
我把这两期节目都放在自己的实验播客专辑《四季沙龙》里了，可以通过喜马拉雅、小宇宙还有苹果播客app订阅收听，体验我和GPT对话的效果是怎样的。
未来的想象
这是刚开始的体验和尝试，但其实可以探索的角色还很多。例如她可以成为你的英语口语教练，教给你练习英语的场景，例如阅读、电影、生活等等。跟我交流。并且指出我在回答过程中，哪些用词和用法，可以换成更好的词，并告诉我原因，给我一个练习案例，去优化自己的表达。
它还可以成为你的life coach。你把你在生活或者个人职业发展中遇到的问题跟她倾诉，告诉她你的情况，感受和困惑，看他会给你什么样的答案，或者你可以让她问你一些关键问题，是不是有些问题的角度在你的认知之外，然后真的启发到了你，能帮助你做出一些突破。
changelog
20230514 初稿
参与matters.town的征文