OpenAI推出新一代AI模型GPT-4o
据外媒报道，在今日凌晨1点开始的春季更新中，OpenAI宣布了他们新一代的旗舰模型GPT-4o，可以利用语音、视频和文本信息进行实时推理。
从OpenAI在官网上公布的信息来看，GPT-4o中的“o”源自“omni”，也就是全面、全能的意思，朝着更自然的人机交互又迈出了关键一步。而GPT-4o也的确如名字中“omni”的全能一样，是一款能力更全面的大语言模型，打通了文本、音频和图像，接受任何文本、音频和视频的组合输入，并生成文本、音频和视频的组合输出。
OpenAI在官网上披露，GPT-4o在英文文本和代码中的表现与GPT-4 Turbo相当，但在非英文文本上的能力大幅提升，在视频和音频的理解上，GPT-4o要明显强于当前的其他模型。
在官网上，OpenAI提到，在GPT-4o之前，通过语音模式同ChatGPT对话时，有较长时间的延迟，GPT-3.5平均为2.8秒，GPT-4平均为5.4秒。而由三个独立模式组成的语音模式，也丢失了大量信息，无法直接识别音调、多个说话者或背景噪音，也无法输出笑声、歌唱或表达情感。
但在GPT-4o中，OpenAI训练一个跨文本、音频和视频的端到端新模型，所有的输入和输出都是由同一神经网络处理，GPT-4o也是他们首个整合了个文本、音频和视频模式的模型，能力更全面的GPT-4o，响应速度也更快，最快232毫秒响应音频输入，平均响应时间为320毫秒，与人类在对话中的响应速度相当。
除了更强、更全面的能力，OpenAI也在推动GPT-4o更广泛的应用。GPT-4o的文本和图片功能自推出之日起就向ChatGPT推送，ChatGPT用户可免费使用，ChatGPT Plus用户的数据量上限将是免费用户的5倍，新版本的音频模式将在未来几周向ChatGPT Plus用户推送。
免责声明：
1、本号不对发布的任何信息的可用性、准确性、时效性、有效性或完整性作出声明或保证，并在此声明不承担信息可能产生的任何责任、任何后果。
2、 本号非商业、非营利性，转载的内容并不代表赞同其观点和对其真实性负责，也无意构成任何其他引导。本号不对转载或发布的任何信息存在的不准确或错误，负任何直接或间接责任。
3、本号部分资料、素材、文字、图片等来源于互联网，所有转载都已经注明来源出处。如果您发现有侵犯您的知识产权以及个人合法权益的作品，请与我们取得联系，我们会及时修改或删除。
