ld乐动体育

在另一個(gè)演示中，OpenAI后訓(xùn)練團(tuán)隊(duì)負(fù)責(zé)人巴雷特·佐夫(Barret Zoph)把自己的臉對(duì)著鏡頭，讓GPT-4o看看自己的情緒如何。在演示的過程中，Zoph先打開了手機(jī)的后置攝像頭，拍到了木質(zhì)桌面，于是ChatGPT說，“我看到的好像是木質(zhì)表面。”而讓ChatGPT再試一次后，ChatGPT對(duì)Zoph說，“你看起來很開心，笑容燦爛，也許還有一絲興奮。”

有網(wǎng)友表示，根據(jù)目前展示的視頻來看，GPT-4o在語音交互體驗(yàn)上提升了不少。有網(wǎng)友認(rèn)為，GPT-4o對(duì)算力的需求更大了。也有網(wǎng)友提出，既然GPT-4o具備了“視覺”，它是否可以代替盲人看世界。

OpenAI稱，通過GPT-4o，公司跨文本、視覺和音頻端到端地訓(xùn)練了一個(gè)新模型，這意味著所有的輸入和輸出都由同一個(gè)神經(jīng)網(wǎng)絡(luò)處理。由于GPT-4o是OpenAI第一個(gè)結(jié)合了所有這些模式的模型，因此公司在探索該模型的功能及其局限性方面仍處于起步階段。

該公司首席執(zhí)行官山姆·奧特曼(Sam Altman)此前已預(yù)告，最新發(fā)布的產(chǎn)品“不是GPT-5，不是搜索引擎，但我們一直在努力開發(fā)一些我們認(rèn)為人們會(huì)喜歡的新東西”。

據(jù)介紹，GPT-4o可以實(shí)時(shí)對(duì)音頻、視覺和文本進(jìn)行推理，接受文本、音頻和圖像的任意組合輸入，并生成文本、音頻和圖像的任意組合輸出。

OpenAI稱，GPT-4o可以在短至232毫秒的時(shí)間內(nèi)對(duì)音頻輸入做出反應(yīng)，平均反應(yīng)時(shí)間為320毫秒，這與人類在對(duì)話中的反應(yīng)時(shí)間相近。此外，它在英語和代碼文本方面的性能與GPT-4 Turbo相當(dāng)，在非英語語言文本方面也有顯著提高。同時(shí)在API(應(yīng)用程序接口)方面，速度更快，成本也降低了50%。

同時(shí)，OpenAI還在官網(wǎng)發(fā)布了一系列演示視頻：GPT-4o可以幫助學(xué)習(xí)數(shù)學(xué)、學(xué)習(xí)西班牙語、準(zhǔn)備面試，可以通過畫面判斷出你正在過生日，然后給你唱生日快樂歌，可以根據(jù)要求唱不同風(fēng)格的催眠曲，甚至還可以當(dāng)“石頭剪刀布”的裁判。而在這些視頻中，GPT-4o與演示者的對(duì)話流暢，說話語氣就“像真人一樣”。

例如，在一個(gè)演示中，OpenAI前沿研究負(fù)責(zé)人馬克·陳(Mark Chen)通過手機(jī)與ChatGPT進(jìn)行對(duì)話。Chen和ChatGPT說，他正在進(jìn)行演示有些緊張，于是ChatGPT就“像朋友一樣”，對(duì)他進(jìn)行了安慰。同時(shí)，ChatGPT還能從Chen急促的喘氣聲中，聽出他的緊張，然后對(duì)他說“慢一點(diǎn)。Mark，你不是吸塵器。吸氣，然后數(shù)到四。”

ld乐动体育OpenAI網(wǎng)站稱，GPT-4o的“o”代表“omni”。在英語中“omni”常被用作詞根，用來表示“全部”或“所有”的概念。

對(duì)此，山姆·奧特曼在社交媒體表示，最初的ChatGPT展示了語言界面的雛形，而新的ChatGPT則給人截然不同的感覺。它快速、智能、有趣、自然，而且“樂于助人”。“隨著我們?cè)黾?可選的)個(gè)性化功能、訪問信息的功能、代表你采取行動(dòng)的功能等，我真的看到了一個(gè)令人興奮的未來，我們可以用電腦做比以往更多的事情。”(完)