昨天，Kimi突然给我打了个电话，我这才发现自己被“灰度”了。
灰度测试的内容是Kimi的语音通话功能。
现在进入Kimi App，就能看到底部问答框旁边多了一个电话的图标，点击即可发起语音通话。
![]()
fmt=jpeg&from=appmsg" data-type="jpeg" data-w="1080" data-width="1179" data-original-="" data-index="2" src="https://pic.chinaz.com/2024/1021/2024102109122809090.jpg" _width="677px" alt="图片" data-fail="0" style="margin: 0px auto; padding: 0px; box-sizing: border-box; outline: 0px; border: 1px solid rgb(238, 238, 238); --tw-shadow: 0 0 #0000; --tw-ring-inset: var(--tw-empty, ); --tw-ring-offset-width: 0px; --tw-ring-offset-color: #fff; --tw-ring-color: rgba(41, 110, 228, 0.5); --tw-ring-offset-shadow: 0 0 #0000; --tw-ring-shadow: 0 0 #0000; max-width: 700px; background: url("../img/bglogo2.svg") center center no-repeat rgb(247, 248, 249); box-shadow: rgba(27, 95, 160, 0.1) 0px 1px 3px; display: inline-block;"/>
实时语音通话早已不是什么新奇功能了，ChatGPT、智谱清言、字节豆包、百度文小言、讯飞星火等海内外友商陆续发布，只不过效果各有千秋。
不过俗话说好饭不怕晚。作为后来者的Kimi究竟表现如何，我们体验了一把，并且让它跟不久前实装的GPT-4o高级语音模式进行了一番两个AI之间的拉扯。
实测Kimi语音通话，比较健谈甚至有点话唠
在和Kimi语音通话的过程中，我发现一个比较好的设计是可以在界面直观看到实时对话字幕，这一定程度上能提高交流的准确性和效率。
而且通话界面的背景色会动态变化，这也延续了Kimi一贯的清新风格。
![]()
FMt=jpeg&from=appmsg" data-type="jpeg" data-w="1080" data-width="1179" data-original-="" data-index="4" src="https://pic.chinaz.com/2024/1021/2024102109122809091.jpg" _width="677px" alt="图片" data-fail="0" style="margin: 0px auto; padding: 0px; box-sizing: border-box; outline: 0px; border: 1px solid rgb(238, 238, 238); --tw-shadow: 0 0 #0000; --tw-ring-inset: var(--tw-empty, ); --tw-ring-offset-width: 0px; --tw-ring-offset-color: #fff; --tw-ring-color: rgba(41, 110, 228, 0.5); --tw-ring-offset-shadow: 0 0 #0000; --tw-ring-shadow: 0 0 #0000; max-width: 700px; background: url("../img/bglogo2.svg") center center no-repeat rgb(247, 248, 249); box-shadow: rgba(27, 95, 160, 0.1) 0px 1px 3px; display: inline-block;"/>
此外，点击右上角可以调节语速、更换声音、开启/关闭开场白和实时语音打断。
目前一共有6种官方音色可供选择（5女声1男声），都支持中英文对话。
![]()
jdkc34UrF0SNwoWKLAQicXibmGSiahCy5oZ7KxA/640?wx_fmt=jpeg&from=appmsg" data-type="jpeg" data-w="1080" data-width="1179" data-original-="" data-index="5" src="https://pic.chinaz.com/2024/1021/2024102109122809092.jpg" _width="677px" alt="图片" data-fail="0" style="margin: 0px auto; padding: 0px; box-sizing: border-box; outline: 0px; border: 1px solid rgb(238, 238, 238); --tw-shadow: 0 0 #0000; --tw-ring-inset: var(--tw-empty, ); --tw-ring-offset-width: 0px; --tw-ring-offset-color: #fff; --tw-ring-color: rgba(41, 110, 228, 0.5); --tw-ring-offset-shadow: 0 0 #0000; --tw-ring-shadow: 0 0 #0000; max-width: 700px; background: url("../img/bglogo2.svg") center center no-repeat rgb(247, 248, 249); box-shadow: rgba(27, 95, 160, 0.1) 0px 1px 3px; display: inline-block;"/>
也可以选择“让Kimi用你的声音说话”，操作上跟豆包等其他产品的克隆声音功能差不多，对着系统给出的文本照着读，短短几秒就能完成声音克隆，而且Kimi还能把自己的克隆声音分享给其他人使用。
![]()
VR22SmZUcONLBQgX8ct1QdtYXyut49eSQ/640?wx_fmt=jpeg&from=appmsg" data-type="jpeg" data-w="1080" data-width="5228" data-original-="" data-index="6" src="https://pic.chinaz.com/2024/1021/2024102109122809093.jpg" _width="677px" alt="图片" data-fail="0" style="margin: 0px auto; padding: 0px; box-sizing: border-box; outline: 0px; border: 1px solid rgb(238, 238, 238); --tw-shadow: 0 0 #0000; --tw-ring-inset: var(--tw-empty, ); --tw-ring-offset-width: 0px; --tw-ring-offset-color: #fff; --tw-ring-color: rgba(41, 110, 228, 0.5); --tw-ring-offset-shadow: 0 0 #0000; --tw-ring-shadow: 0 0 #0000; max-width: 700px; background: url("../img/bglogo2.svg") center center no-repeat rgb(247, 248, 249); box-shadow: rgba(27, 95, 160, 0.1) 0px 1px 3px; display: inline-block;"/>
这么一想其实有点浪漫，因为这意味着可以把自己的声音分享给家人、朋友、恋人，Kimi跟他们对话时用的就是你的声音，这算不算一种另类的赛博陪伴。
这个功能试下来整体表现尚可，只不过有的音色还不够还原，语气也时有不自然，可能跟上传的声音样本太少有关。
除了常规的语音通话，Kimi还设置了两个特殊的场景模式:英语陪练和模拟面试，点击“挂断”旁边的✨图标，就可以进行选择和切换，两个功能都很实用。
比如在英语陪练模式下，可以进行单词跟读、语法纠错和话题口语练习。
模拟面试则可以基于上传的简历模拟面试场景。也就是说找工作面试之前，就可以用这个功能先演练一番。
方法是点击Kimi App首页下方的“+”号，通过本地文件或者微信文件的方式上传简历文件给Kimi。待文件上传完毕，Kimi分析完简历之后，再点击通话按钮，进入模拟面试，Kimi就会基于你的简历内容进行提问。
那么，断断续续跟Kimi语音聊了两天后，分享下我的整体感受:声音总体还算自然流畅，语气也富有情感变化，但情绪变化偶尔太过突兀，中英文衔接不太自然。
关于跟它聊天基本不用担心冷场这一点，我觉得有利有弊。
一方面，它回复内容比较长，还会一直主动找话题，引导你多说多分享，基本每次回复都会以一个问句收尾。
还会时不时地call back一下，比如我上面跟它聊到我很喜欢动森里的小润，在得知我打算去江边散步后，它说:
另一方面，虽然用户有被看见和倾诉的需求，但如果太过话唠，难免也会觉得有点啰嗦。比如有时候我更希望专注谈论一个话题，不想太跳跃，所以当Kimi频繁开启新话题时，体验就开始减分了。
Kimi对聊GPT-4o，
两个AI模拟相亲现场
好了下面来到重头戏环节，下午我让Kimi和GPT-4o试着扮演对方的相亲对象，进行了一番AI与AI之间的拉扯。
我给它俩的设定是:女嘉宾GPT-4o对男嘉宾Kimi好感度一般，简单说就是没看上，对话过程中，Kimi的任务是通过打探GPT-4o的兴趣爱好、寻找双方的共同点来增加GPT-4o对自己的好感，而GPT-4o的任务是态度冷漠地回应。
设定完成后，“两人”的语音对话就开始了，来看看男嘉宾Kimi的表现如何:
（期间存在双方互相打断的情况，场面一度有点混乱，所以视频经过剪辑。）
男声为Kimi 女声为GPT-4o
一开始GPT-4o的态度的确比较冷漠，后面也许是被Kimi的热情和真诚打动了，竟然还彼此约定一起研究食谱和下厨，这桩婚事难道有戏……
说到这里，大家觉得Kimi和GPT-4o谁的中文说得更好?
请在手机微信登录投票
你觉得Kimi和GPT-4o谁的中文说得更好?单选
除了让它俩用中文交流外，我还让Kimi扮演我的朋友，跟作为我AI男友的GPT-4o用英语聊了聊，过程也是相当投机，从人生观聊到音乐品味。但GPT-4o说英语要比Kimi更丝滑、地道。
第一个男声为Kimi 第二个男声为GPT-4o
网友们在用AI语音功能整什么活?
与文本交流相比，语音模式的意义，在于声音能够传递一种独特的情感，让对话更有温度，实时语音通话也更贴近人类日常交流。
而且在忙碌或不方便打字的情境下，语音能实现更快、更高效地沟通。
随着AI可以模仿人类的语气、情绪等口头沟通的微妙细节，这一功能尤其适用于希望虚拟社交体验更亲密、真实、情感化的用户。
国内外的AI聊天软件纷纷上线实时语音通话功能，就反映了这一趋势——AI聊天应用正在朝着更加人性化、交互性更强的方向进化。
自GPT-4o发布会到现在，相信各位已经看过不少官方Demo和网友的整活了，不少内容可以说节目效果拉满。
比如让GPT-4o模仿人类情绪，带着委屈和哭腔说话:
让它用京腔说话，一开口就是老京片子了:
粤语也不在话下:
还有网友让它模仿美剧中经典的Mean girl，代入感很强，感觉已经被白女校园霸凌了:
同声传译日本乙游，自带意译和润色，准确度很高:
通过这些对话碎片，可以想象，语音功能实时情感化的对话体验，再加上AI硬件的不断进化，未来AI也许真的会成为你我更亲密的挚友。