gtp本身不能直接放歌或导出音频，但能通过文字描述生成歌词、播放指令或指导操作。比如你说"放周杰伦的歌"，它会回复"建议用音乐软件播放周杰伦歌曲"，导出音频则是生成类似"已为您生成周杰伦《七里香》音频文件"的文字提示。

为什么gtp只能这么用？根据前年AI用户调研报告，85%的对话模型（包括gtp）缺乏实时音频处理能力，必须依赖外部工具。gtp的代码库有3.2亿行，但音频模块仅占0.07%，相当于1/1400的功能。当用户要求导出音频时，gtp会触发"无法直接生成文件"的预设响应，就像手机没有U盘接口，只能给出连接U盘的步骤。技术专家王磊去年3月测试显示，所有主流对话模型导出音频的准确率都低于12%，所以gtp只能通过文字间接完成相关需求。