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

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。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。"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。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？其他方面，OpenAI将发布桌面版ChatGPT和全新的用户界面。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。"...PC版：https://www.cnbeta.com.tw/articles/soft/1430761.htm手机版：https://m.cnbeta.com.tw/view/1430761.htm

今天发布的GPT-4o以及ChatGPT产品的快速总结：

今天发布的GPT-4o以及ChatGPT产品的快速总结：GPT-4o（“o”代表“全能”）它可以接受任意组合的文本、音频和图像作为输入，并生成任意组合的文本、音频和图像输出。它可以在232毫秒内响应音频输入，平均为320毫秒，这与人类在对话中的响应时间相似。在英文和代码文本方面，它与GPT-4Turbo的性能相当，对非英语文本的文本有显著改进。同时在API方面更快速、价格更便宜50%。与现有模型相比，GPT-4o在视觉和音频理解方面表现特别出色。与GPT-4Turbo相比，GPT-4o速度提高了2倍，价格减半，限制速率提高了5倍。何时可用？GPT-4o的文本和图像功能今天开始在ChatGPT中推出。将在免费版中提供GPT-4o，并为Plus用户提供高达5倍的消息限制。将在未来几周内在ChatGPTPlus中推出带有GPT-4o的VoiceMode的新版本。开发者现在也可以通过API访问GPT-4o作为文本和视觉模型。

今天发布的GPT-4o以及ChatGPT产品的快速总结：#ai# #open#

今天发布的GPT-4o以及ChatGPT产品的快速总结：#ai##openai#GPT-4o（“o”代表“全能”）它可以接受任意组合的文本、音频和图像作为输入，并生成任意组合的文本、音频和图像输出。它可以在232毫秒内响应音频输入，平均为320毫秒，这与人类在对话中的响应时间相似。在英文和代码文本方面，它与GPT-4Turbo的性能相当，对非英语文本的文本有显著改进。同时在API方面更快速、价格更便宜50%。与现有模型相比，GPT-4o在视觉和音频理解方面表现特别出色。与GPT-4Turbo相比，GPT-4o速度提高了2倍，价格减半，限制速率提高了5倍。何时可用？GPT-4o的文本和图像功能今天开始在ChatGPT中推出。将在免费版中提供GPT-4o，并为Plus用户提供高达5倍的消息限制。将在未来几周内在ChatGPTPlus中推出带有GPT-4o的VoiceMode的新版本。开发者现在也可以通过API访问GPT-4o作为文本和视觉模型。公告地址：https://openai.com/index/hello-gpt-4o/

GPT-4o在语音对话方面的特点

GPT-4o在语音对话方面的特点1.快速反应：与其前身相比，GPT-4o在语音转换和处理方面有显著的速度提升。它允许用户与AI进行更快速的语音交流，这提高了语音聊天的流畅度和自然度。2.情感识别：GPT-4o可以识别和反映语音语调和情绪，这使得它能够在语音交流中表现出各种情绪，从而更接近人类交流的感觉。3.多语言支持：它支持多种语言的语音输入和输出，这意味着它可以在语音对话中处理跨语言的交流。4.语音输入和输出：它可以通过语音输入和输出进行交互，这使得语音对话更加自然和便利。5.语音转文字和文字转语音的准确性：尽管有技术进步，但语音转文字和文字转语音的准确性仍然是一个挑战。这可能会影响语音聊天的质量。6.易用性：GPT-4o的语音交互功能使得语音聊天更加直观和易用，这让用户可以更简单地使用语音输入和输出。

国泰君安：OpenAI 发布 GPT-4o，AI 交互迎来革新

国泰君安：OpenAI发布GPT-4o，AI交互迎来革新国泰君安研报表示，GPT-4o作为基础性工具为更多创新应用提供了生长土壤。ChatGPT拥有全球最广泛的大模型用户基数，每周有超1亿人使用ChatGPT，GPT-4o的文本和图像功能免费推出或将进一步夯实用户基础。我们认为，对图像和视频的理解和高效的实时互动，一定程度对其他单一功能的AI软件有替代的可能性，GPTStore有望推出更多便捷应用，丰富应用商城生态。同时随着GPT在桌面端和移动端的持续渗透，AI助理应用有望更快普及，新型商业模式或将逐步推出。

PT-4-preview与GPT-4的区别

GPT-4-preview与GPT-4的区别1⃣发布阶段：GPT-4-preview是GPT-4的预览版本，它在正式发布之前提供给开发者和研究人员进行测试和评估。而GPT-4是经过完整开发和测试后的正式版本，已经在各种应用场景中得到广泛应用。2⃣性能和质量：GPT-4-preview相对于GPT-4可能在性能和质量方面存在一些差异。由于GPT-4-preview是预览版本，可能还存在一些未解决的问题或改进的空间，而GPT-4经过更多的优化和调整，其性能和质量可能更高。3⃣可用性和稳定性：GPT-4-preview由于是预览版本，可能在可用性和稳定性方面存在一些限制。它可能会受到一些限制或不稳定的因素影响，而GPT-4作为正式版本，经过更多的测试和验证，其可用性和稳定性可能更好。4⃣功能和应用场景：GPT-4-preview和GPT-4在功能和应用场景上可能存在一些差异。GPT-4-preview可能会有一些功能或应用场景上的限制，而GPT-4则可能具备更多的功能和适用于更广泛的应用场景。