در ماه مه، OpenAI علاوه بر موارد دیگر، از یک حالت صوتی جدید (Voice Mode) برای مدل هوش مصنوعی تولید کننده متن خود به نام ChatGPT رونمایی کرد. در نمایش های فیلم‌برداری شده، کاربران می‌توانستند با استفاده از دستورات صوتی طبیعی با ChatGPT صحبت کنند و مدل هوش مصنوعی نیز قادر به پاسخگویی با صدای خودش بود. برنامه اولیه این بود که Voice Mode تا پایان ماه ژوئن برای برخی از کاربران ChatGPT Plus راه اندازی شود.
اما حالا، OpenAI در پیام جدیدی در حساب X خود اعلام کرده است که راه اندازی Voice Mode را حداقل برای یک ماه دیگر، تا اواخر جولای به تعویق می‌اندازد. آن‌ها در بیانیه خود دلایل این تأخیر را توضیح دادند:
برای مثال، ما در حال بهبود توانایی مدل برای تشخیص و رد محتوای خاص هستیم. همچنین روی بهبود تجربه کاربری و آماده سازی زیرساخت خود برای مقیاس گذاری به میلیون ها کاربر و در عین حال حفظ پاسخگویی لحظه‌ای کار می‌کنیم.
برنامه فعلی این است که در اواخر جولای به گروه کوچکی از کاربران Plus اجازه دهیم Voice Mode را آزمایش کنند. OpenAI می‌گوید تمام مشترکین ChatGPT Plus می‌توانند در پاییز از Voice Mode استفاده کنند.
دموی Voice Mode در ماه مه باعث شد تا بسیاری از مردم فکر کنند که صدای ساخته شده توسط OpenAI بسیار شبیه به صدای اسکارلت جوهانسون است، که صداپیشگی یک چت بات هوش مصنوعی تخیلی به نام سامانتا را در فیلم «Her» در سال ۲۰۱۳ برعهده داشت. چند روز بعد، خود جوهانسون بیانیه‌ای منتشر کرد و گفت که OpenAI سعی کرده است تا صدای او را برای حالت صوتی خود به صورت دیجیتالی بازسازی کند، اما او این پیشنهاد را رد کرده است.
OpenAI استفاده از آن صدای دیجیتال با نام «اسکای» در دمو Voice Mode را که بر اساس صدای جوهانسون ساخته شده بود، تکذیب کرده است. با این حال، آن‌ها همچنان تصمیم گرفتند استفاده از آن صدای دیجیتال را فعلاً متوقف کنند.