OpenAI发布最新旗舰生成式AI模型GPT-4o 改进文本、视觉和音频功能-品论天涯网

OpenAI发布了一个名为GPT-4o的新旗舰生成式人工智能模型，并将在未来几周内"迭代式"地在公司产品中推出。OpenAI首席技术官穆里-穆拉提（MuriMurati）说，GPT-4o提供了"GPT-4级"智能，但在GPT-4的基础上改进了文本、视觉和音频功能，所有用户都可以免费使用，付费用户将继续"拥有五倍于免费用户的容量限制"。zC4品论天涯网

穆拉提在OpenAI办公室举行的主题演讲上说：GPT-4o的理由横跨语音、文本和视觉。OpenAI将发布桌面版ChatGPT和全新的用户界面。zC4品论天涯网

穆拉提说："我们知道这些模型越来越复杂，但我们希望交互体验变得更自然、更简单，让你完全不用关注用户界面，而只关注与GPT的协作。这一点非常重要，因为我们正在展望人类与机器之间互动的未来。"zC4品论天涯网

zC4品论天涯网

GPT-4是OpenAI之前的领先模型，它是图像和文本的结合体，可以分析图像和文本，完成从图像中提取文本甚至描述图像内容等任务。但GPT-4o增加了语音功能。zC4品论天涯网

这具体能带来什么？很多方面。

GPT-4o极大地改善了ChatGPT的体验--ChatGPT是OpenAI的病毒式人工智能聊天机器人。ChatGPT长期以来一直提供语音模式，使用文本到语音模式转录ChatGPT中的文本。但GPT-4o对此进行了改进，让用户可以更像使用助手一样与ChatGPT互动。

例如，用户可以向由GPT-4o支持的ChatGPT提问，并在ChatGPT回答时打断它。OpenAI表示，该模型能提供"实时"响应，甚至能捕捉用户声音中的情感，并生成"一系列不同情感风格"的语音。

GPT-4o还改进了ChatGPT的视觉功能。有了照片或桌面屏幕，ChatGPT现在可以快速回答相关问题，从"这个软件代码是怎么回事"到"这个人穿的是什么牌子的衬衫？

GPT-4o从即日起在ChatGPT的免费级别中推出，OpenAI的高级ChatGPTPlus和Team用户可使用"高出5倍"的消息限制，企业选项"即将推出"。(OpenAI指出，当用户达到使用阈值时，ChatGPT将自动切换到GPT-3.5）。OpenAI表示，它将在下个月左右向Plus用户推出由GPT-4o改良的语音体验。

穆拉提说："我们知道这些模型越来越复杂，但我们希望交互体验变得更自然、更简单，让你完全不用关注用户界面，而只关注与[GPT]的协作。"

OpenAI声称，GPT-4o的多语言能力也会更强，在50种不同语言中的性能都有所提高。在OpenAI的API中，GPT-4o的速度是GPT-4（特别是GPT-4Turbo）的两倍，价格为GPT-4Turbo的一半，而且速率限制更高。

用户只需发出简单的"嘿，ChatGPT"语音提示，就会收到来自代理的热情洋溢的口语回应。然后，用户使用简单的口语提交查询，并在必要时附上文字、音频和/或视觉效果--后者可以包括照片、手机摄像头的实时画面或代理能"看到"的任何其他内容。zC4品论天涯网

在音频输入方面，人工智能的平均响应时间为320毫秒，该公司称这与人与人对话中的人类响应时间相似。在今天的演示中，代理的回答没有出现令人尴尬的滞后现象，这无疑包含了许多类似人类的情感。此外，用户还可以打断代理的回答，而不会影响前后的信息流。zC4品论天涯网

在演示中，GPT-4o还充当了两个人之间意大利语和英语对话的口译员；帮助一个人解决手写的代数方程；分析编程代码的某些部分；甚至还为一个机器人的睡前故事配上了广告词。zC4品论天涯网

目前，GPT-4o应用程序接口中还没有为所有客户提供语音功能。OpenAI以滥用风险为由表示，计划在未来几周内首先向"一小部分可信赖的合作伙伴"推出对GPT-4o新音频功能的支持。

zC4品论天涯网

其他方面，OpenAI将在网络上发布焕然一新的ChatGPTUI，新的主屏幕和消息布局"更具对话性"，同时还将发布桌面版的ChatGPTforMac，用户可以通过键盘快捷键向ChatGPT提问，也可以通过打字或说话截图并进行讨论。(从今天开始，Plus用户将首先获得访问权限，Windows版本的应用程序将于今年晚些时候推出）。此外，ChatGPT的免费用户现在还可以访问GPTStore（OpenAI基于其人工智能模型构建的第三方聊天机器人库）。

GPT-4o的文本和图像功能现已开始向付费ChatGPTPlus和Team用户推出，企业用户也即将推出。免费用户也将开始使用，但有费率限制。

语音版GPT-4o将"在未来几周内"开始提供。

开发人员将能够使用GPT-4o的文本和视觉模式，并在未来几周内向"一小部分值得信赖的合作伙伴"提供音频和视频功能。