蓋世汽車訊 據外媒報道，OpenAI宣布推出新的旗艦生成式AI模型GPT-4o（“o”代表“omni”，即該模型處理文本、語音和視頻的能力）。根據演示視頻，它可以與用戶進行近乎實時的語音對話，表現出類人的性格和行為。

（圖片來源：OpenAI）

GPT-4o提供“GPT-4級別”智能，但速度更快，并改進了GPT-4跨多種模式和媒體的能力。OpenAI首席技術官Mira Murati表示：“GPT-4o可以跨語音、文本和視覺進行推理。這非常重要，因為我們正在研究人類與機器交互的未來。”

GPT-4o極大地改善了OpenAI的人工智能聊天機器人ChatGPT的體驗。該平臺長期以來一直提供語音模式，使用文本轉語音模型轉錄聊天機器人的響應，但GPT-4o對此進行了增強，讓用戶與更像助手一樣的ChatGPT進行交互。

例如，用戶可以向GPT-4o支持的ChatGPT進行提問，并在ChatGPT回答時打斷它。OpenAI 表示，該模型提供“實時”響應能力，甚至可以識別用戶聲音中的細微差別，從而生成“一系列不同情感風格（包括唱歌）”的聲音。

GPT-4o還升級了ChatGPT的視覺能力。現在，向它展示一張照片或桌面屏幕，ChatGPT可以快速回答相關問題，主題范圍包括“這段軟件代碼中發生了什么？”到“這個人穿什么牌子的襯衫？”Murati表示，這些功能未來將得到進一步發展。目前，GPT-4o可以查看不同語言的菜單圖片并進行翻譯。舉例來說，未來該模型可以支持ChatGPT“觀看”現場體育比賽，并向用戶解釋規則。

Murati表示：“這些模型變得越來越復雜，但我們希望實際交互體驗變得更自然、輕松，并且客戶無需關注用戶界面，而只關注與ChatGPT的協作。在過去幾年里，我們一直非常專注于提高這些模型的智能，這是我們第一次在易用性方面真正邁出一大步。”

為了使先進的人工智能在全球范圍內更易于獲得和使用，GPT-4o的語言功能在質量和速度方面得到了提高。現在，ChatGPT支持50多種語言（在新窗口中打開），包括注冊、登錄和用戶設置等。

OpenAI計劃在未來幾周內首先向“一小群值得信賴的合作伙伴”提供GPT-4o新音頻功能支持。

返回第一電動網首頁 >