GPT-4o来了！可实时“秒回”，还能读懂人类情绪

作者：新快报发布时间：2024-05-16

苹果 OpenAI

据央视财经报道，当地时间5月13日，OpenAI公司在美国加州举办新品发布会，推出新的旗舰AI模型，名为GPT-4o。

跟此前的版本相比，GPT-4o最大的特点是增加了语音交互，并且号称和一些同类竞品相比，它的响应时间更快，可以减少延时，更接近和真人对话的节奏。OpenAI表示，GPT-4o功能向所有用户开放，不过语音功能的上线还要等待数周。

GPT-4o的一些应用场景：

▲让GPT-4o充当实时翻译。

▲让GPT-4o给孩子辅导数学。

▲让两个GPT-4o和声哼唱。

像真人一样语音聊天

还能读懂人类情绪

OpenAI官网介绍，GPT-4o中的“o”代表“omni”，意为“全能”，称它向更自然的人机交互迈进了一步，因为它接受文本、音频和图像的任意组合作为输入内容，并生成文本、音频和图像的任意组合输出内容。

据路透社报道，相比先前版本，GPT-4o与使用者对话基本无延迟，和人类反应速度类似。即使对话中途被打断，也能继续下去。这些都是实现逼真语音对话的标志，也是当前众多人工智能语音助手普遍面临的技术难点。

它还可以识别用户声音中展现的情感，甚至实时根据用户的需求来使用不同情感风格的声音。发布会上，主持人与ChatGPT寒暄几句，它能够从对方的喘气声中理解“紧张”的含义，并且指导他进行深呼吸。

此外，GPT-4o还提高了ChatGPT的视觉能力。在当天的发布会现场演示中，这款生成式人工智能工具利用其视觉和语音能力，指导演示者在纸上逐步解出一道方程题，而不是直接给出答案。它还展示了英语与意大利语互译、用自拍照片识别情绪等能力。当一名演示者告诉它，自己正展示它是“多么有用和不可思议”时，它回答道：“哦，快别说了，怪害臊的。”

开放人工智能研究中心首席执行官萨姆·奥尔特曼当天在博客中写道，GPT-4o就像“电影中的人工智能”技术，“与电脑交谈一直让我感觉不自然，现在自然了”。

用户可以免费试用

开放人工智能研究中心首席技术官米拉·穆拉蒂在当天活动中说，GPT-4o将于今后几周内上线，用户可免费试用。

ChatGPT原有付费用户将获得新版本更多使用权限，其消息数量使用上限是免费版的5倍，当免费用户用完消息数量后，ChatGPT将自动切换到 GPT-3.5。而新版语音模式将在未来几周向Plus用户推出，同时也将会在API（应用接口）中向小范围推出对GPT-4o的新音频和视频功能的支持。

路透社报道，开放人工智能研究中心希望以GPT-4o在激烈的人工智能技术竞争中保持领先。该公司2022年发布ChatGPT后，短时间内每月活跃用户增至1亿。然而，研究机构西米勒网络公司的数据显示，去年以来ChatGPT用户人数呈现过山车式变化，近期才重回去年5月巅峰时期的水平。

生成式AI市场竞争激烈

近年来，开发更人性化、功能更强大的生成式人工智能工具竞争激烈。

谷歌母公司字母表公司拟于14日召开谷歌开发者年度会议，预计届时将展示谷歌开发的相关产品。硅谷企业家埃隆·马斯克、技术企业“深层思维”创始人之一穆斯塔法·苏莱曼也分别投资开发了聊天机器人Grok和Pi，将拟人化特点作为产品主攻方向。

在英国广播公司看来，GPT-4o能够结合文本、音频和图像内容瞬间做出反应，目前在竞争中仍处于领先地位。

新的Siri将来自OpenAI?

据外媒报道，苹果公司已与OpenAI达成协议，在iPhone上使用其技术，这是将人工智能功能引入其设备的更广泛努力的一部分。

据悉，在苹果公司软件工程高级副总裁Craig Federighi和苹果公司机器学习与人工智能战略高级副总裁John Giannandrea花了数周时间测试ChatGPT后，发现Siri已经过时，苹果公司正计划将生成式人工智能作为一个支柱项目，将把生成式人工智能引入iPhone。