OpenAI推出ChatGPT-4o：全能AI模型超越GPT-4，提供逼真互动体验

原文链接：https://www.chenweiliang.com/cwl-31713.html

🚀【AI界革命】OpenAI新宠GPT-4o亮相，语音视频处理能力震撼全场！🌟

GPT-4o，一个全新的AI模型，不仅具备GPT-4的智慧，还能进行即时口译，让不同语言的人顺畅交流。它的出现，将彻底改变我们与AI的互动方式。快来体验GPT-4o带来的未来科技魅力吧！🌐

 

OpenAI发布全新GPT-4o模型

在Google I/O拉开帷幕的前一天，OpenAI毫不客气地抢了风头，率先发布了新一代模型——GPT-4o。这个新模型不仅继承了GPT-4的智慧，还具备更强大的语音和视频处理能力，能给用户带来几乎与真人互动的感觉。

GPT-4o的特别之处，从名字就可以略见一斑。这里的“o”代表“omni”，意指“全能”，这表明新模型在文字、音频和视频推理方面的全方位能力。OpenAI在声明中表示：“我们隆重推出GPT-4o，这是我们的新旗舰模型，能够实时处理音频、视频和文字。”

GPT-4o的回应能力逼近人类，“如同电影中的AI一般”

虽然GPT-4也能识别图像并进行文字和语音转换，但这些功能以往被分散在不同的模型中，导致回应时间较长。而GPT-4o则将这些功能整合到一个模型中，被称为“全能模型”。与前代旗舰GPT-4 Turbo相比，GPT-4o在英文和编程语言上表现相似，但在其他语言上的性能显著提升，API速度更快，成本降低了多达50%。

OpenAI指出，GPT-4o的回应时间接近人类，能提供更自然的沟通体验，最快可在232毫秒（0.232秒）、平均320毫秒（0.32秒）内响应问题。作为对比，GPT-3.5和GPT-4在语音模式下的回应时间分别为2.8秒和5.4秒。

在OpenAI的演示中，GPT-4o能够实时口译，让不同语言的两人也能无障碍沟通。或者请求GPT-4o讲一个睡前故事时，它可以用更饱满、有感情的声音生动地讲述；又或者用接近人类的语气，教导解开简单的数学问题。

根据OpenAI的说法，GPT-4o能够“读懂”用户的表情与语气，知道何时如何回应，并能在不同语气间快速切换，一会儿是冷冰冰的机械声，一会儿又能欢快地唱起歌来。OpenAI的技术总监米拉·穆拉蒂（Mira Murati）表示，GPT-4o的开发灵感来自于人类的对话过程，“当你停止说话时，就轮到我开口。我可以读懂你的语气并回应。它就是这么自然、丰富且具有互动性。”

OpenAI执行长山姆·奥特曼（Sam Altman）在博客中表示，“新的语音和视频模式是我用过的最棒的电脑界面，就像电影里的AI一样。我甚至有点难以置信这是真的，事实证明达到人类水平的回应时间和表达能力变化有多么巨大。”

虽然演示过程中并非一切都尽善尽美，演示中GPT-4o有时会打断他人说话，甚至在未被要求的情况下评论主持人的服装，不过在演示者的纠正后很快恢复正常。

穆拉蒂透露，通过全能模型的力量，未来GPT技术还会进一步提升，例如在观看体育赛事转播后向用户解释竞赛规则，不再仅限于翻译图片文字等简单任务。

OpenAI表示，用户现在可以在免费版本中使用GPT-4o，而付费订阅者将享有免费版五倍的消息限制。基于GPT-4o的语音服务预计下个月将提供给订阅用户测试版。GPT-4o的免费提供也反映了OpenAI在降低成本方面的成果。

不过，出于对滥用的担忧，语音功能暂时不会对所有API用户开放，未来几周内将首先提供给部分值得信赖的合作伙伴使用。

ChatGPT电脑版程序登场

在GPT-4o大幅增强语音和视频功能的同时，OpenAI也宣布更新网页版的ChatGPT UI，声称具有更对话式的主界面及消息呈现。穆拉蒂强调，尽管模型日趋复杂，她希望用户与AI的互动体验能够更加简单、明了、轻松自然，让用户不用在UI上费心，而是专注于与ChatGPT的协作。

OpenAI还公布了电脑版本的ChatGPT程序，预计首先推出MacOS版本，Windows版本将在今年稍晚推出。值得注意的是，稍早有传闻称OpenAI与苹果就AI技术合作的协商已进入尾声，此时率先推出Mac版本程序，引发了外界的种种联想。

欢迎转载《OpenAI推出ChatGPT-4o：全能AI模型超越GPT-4，提供逼真互动体验》

欢迎分享本文链接：https://www.chenweiliang.com/cwl-31713.html


网站地址：https://www.chenweiliang.com/



欲获取更多资讯内幕和秘技，欢迎进入Telegram频道：https://www.chenweiliang.com/go/tgchannel