OpenAI新模型：圖文音頻全搞定,，GPT-4o引領交互新時代

小大

用微信掃描二維碼
分享至好友和朋友圈

關鍵詞：

2024-05-14 09:07:05 姣忔棩緇忔祹鏂伴椈

OpenAI新模型：圖文音頻全搞定

在周二凌晨1點的春季發(fā)布會上,，OpenAI繼“文生視頻模型”Sora后再次為市場帶來新驚喜,。公司CTO米拉·穆拉蒂揭曉了與ChatGPT相關的多項更新,，核心內(nèi)容包括兩大方面：一是推出了升級版的GPT-4o多模態(tài)大模型，該模型在速度與成本上優(yōu)于GPT-4 Turbo,；二是宣布ChatGPT免費用戶也能享用GPT-4o模型,，進行復雜數(shù)據(jù)分析、圖像解析、在線搜索及應用商店訪問等,，預示著GPT應用商店即將迎來用戶量的激增,。

針對不同用戶群體，OpenAI調(diào)整了消息限制策略,，付費用戶將享有更高額度的消息發(fā)送權限,，而免費用戶在配額耗盡后，系統(tǒng)會自動切換至GPT-3.5,。未來一個月左右,，Plus用戶還將迎來基于GPT-4o優(yōu)化的語音體驗，盡管當前API尚未集成語音功能,。此外,，專為macOS設計的ChatGPT桌面應用即將面世，Windows版本預計年內(nèi)推出,，便于用戶通過快捷鍵互動提問,。

米拉·穆拉蒂強調(diào)，此次發(fā)布標志著公司在易用性上取得重要進展,。在演示環(huán)節(jié),，GPT-4o展現(xiàn)了實時語音交互、情緒感知及多語言翻譯等能力,，如通過語音識別用戶的緊張情緒并給予放松建議,，以及實時提供數(shù)學問題解答等。GPT-4o還能檢測面部表情以判斷情緒,，并有望與代碼庫互動,，進行數(shù)據(jù)分析與圖像解讀。OpenAI新模型：圖文音頻全搞定,。

OpenAI透露,，GPT-4o的文本、圖像輸入功能即日上線,，而語音和視頻功能預計在未來幾周內(nèi)加入。盡管市場上關于生成式AI的投入與日俱增,，2023年已達291億美元,，且預計市場規(guī)模將持續(xù)膨脹，但也引發(fā)了對技術偏見及未經(jīng)充分測試服務快速普及的擔憂,。

自2022年11月亮相以來,，ChatGPT用戶量飛速增長，現(xiàn)接近1億周活躍用戶,，深受《財富》500強企業(yè)青睞,。穆拉蒂承諾，未來數(shù)周內(nèi)，這些創(chuàng)新功能將面向大眾開放,。她還特別感謝了英偉達提供的先進GPU技術支持,。

OpenAI介紹，GPT-4o在音頻響應速度上實現(xiàn)了顯著提升,，最快可在232毫秒內(nèi)作出反饋,，更接近人類對話節(jié)奏。此模型整合了文本,、音頻,、圖像處理能力，為自然人機交互帶來了質(zhì)的飛躍,。雖然目前仍處于探索階段,，GPT-4o展現(xiàn)的潛力預示著AI技術在多模態(tài)交互上邁出了重要一步。

(責任編輯：盧其龍 CN070)

關閉