类人速度超快语音响应！OpenAI推出新旗舰模型GPT-4o，图文音频手机AI搞定_OpenAI

虽然没有带来备受期待的人工智能（AI）搜索引擎，但OpenAI在主打产品AI模型上花了更多心思，拓展多模态功能，让用户可以免费玩转文字、图片和语音输入。
美东时间5月13日周一，OpenAI首席技术官Mira Murati在直播演示中宣布，推出新的OpenAI旗舰AI模型，名为GPT-4o，称它面向所有人，包括免费用户，为“我们的免费用户带来GPT-4级的智能” 。OpenAI还推出了台式机版本的ChatGPT以及新的用户界面（UI）。

文章插图
Murati说：“这是我们第一次在便于使用方面真正迈出一大步。” 她评价， GPT-4o的“速度快得多” ，提升了GPT-4在文本、视频和音频方面的功能，“GPT-4o 通过语音、文本和视觉进行推理” 。
Murati在演示中称，相比GPT-4 Turbo，GPT-4o的速度快了两倍，成本降低了50%，API速率限制、即用户可发出的请求数量提高了五倍。有网友在社交媒体X上对此感到开心，称API终于改进了。

文章插图
实时求解方程、做口译、分析图表、读取用户情绪
GPT-4之前已经可以分析图像和文本，完成从图像中提取文本、以文本描述图像内容这类任务。GPT-4o则是增加了语音功能。Murati 强调了GPT-4o在实时语音和音频功能方面必要的安全性，称OpenAI将继续部署迭代，带来所有的功能。
在演示中，OpenAI 研究主管 Mark Chen掏出手机打开ChatGPT，用语音模式Voice Mode现场演示，向GPT-4o支持的ChatGPT征询建议。GPT的声音听起来像一位美国女性，当它听到Chen过度呼气时，它似乎从中察觉到了他的紧张。然后说“Mark，你不是吸尘器”，告诉Chen要放松呼吸。如果有些大变化，用户可以中断GPT，GPT-4o的延迟通常应该不会超过两三秒。

文章插图
另一项演示中，OpenAI的后训练团队负责人Barret Zoph在白板上写了一个方程式3x+1=4，ChatGPT给他提示，引导他完成每一步解答，识别他的书写结果，帮助他解出了X的值。这个过程中， GPT充当了实时的数学老师。GPT能够识别数学符号，甚至是一个心形。

文章插图
应社交媒体X的用户请求，Murati现场对ChatGPT说起了意大利语。GPT则将她的话翻译成英语，转告Zoph和Chen 。听完Murati说的意大利语，GPT翻译为英文告诉Chen：“Mark，她（Murati）想知道鲸鱼会不会说话，它们会告诉我们什么？”

文章插图
OpenAI 称，GPT-4o还可以检测人的情绪。在演示中，Zoph将手机举到自己面前正对着脸，要求ChatGPT告诉他自己长什么样子。最初，GPT参考了他之前分享的一张照片，将他识别为“木质表面” 。经过第二次尝试，GPT给出了更好的答案。
GPT注意到了Zoph脸上的微笑，对他说：“看起来你感觉非常快乐，喜笑颜开。”
有评论称，这个演示显示，ChatGPT可以读取人类的情绪，但读取还有一点困难。

文章插图
OpenAI的高管表示，GPT-4o可以与代码库交互，并展示了它根据一些数据分析图表，根据看到的内容对一张全球气温图得出一些结论。
OpenAI称，基于GPT-4o的ChatGPT文本和图像输入功能将于本周一上线，语音和视频选项将在未来几周内推出。
X平台的网友注意到了OpenAI展示的新功能。有网友指出，GPT-4o不仅可以将语音转换为文本，还可以理解和标记音频的其他特征，例如呼吸和情感，不确定这在模型响应中是如何表达的。