搜尋結果
2024年5月15日 · GPT-4o能同时输入和输出文本、音频和图像信息，反应速度最短达到了232毫秒，完全可做到与人类在正常对话中同频。 腾讯新闻评价，GPT-4o的发布，使得ChatGPT进入实时互动纪元。 图片来源：机器之心. 最近，专业人士曾对所有的大模型做了评分测试，结果发现， GPT-4o的得分高达1310，性能远超GPT-4 Turbo、GPT-4、Gemini等模型，刷新业界水平。 怪不得OpenAI创始人、CEO山姆·奥特曼说：“（GPT）对我来说就像魔法一样”。 在发布会上，为了展现GPT-4o的魅力，OpenAI的三位高管米拉·穆拉蒂（Mira Murati）、陈马克（Marc Chen）和巴雷特·琐法（Barret Zoph）在台上做起了演示，向观众展示了五大应用场景。
2024年5月14日 · 它成功地把文本、视觉、音频全部打通了，这意味着 GPT-4o 可以接受文本、音频和图像的任意组合作为输入，并生成文本、音频和图像的任意组合输出。 这对多模态大模型来说，是一个重大改变。 拿此前 ChatGPT 的语音模式为例，它要用到三个独立模型组成的管道，一个模型负责将音频转录为文本，第二个模型是 GPT-4 ，它负责接收文本并输出文本，第三个模型则将该文本转换回音频。 这个过程意味最中间的主角 GPT-4 收到的信息其实是二手的 —— 它无法直接观察音调、多个说话者或背景噪音，也无法输出笑声、歌唱或表达情感等等。 而在最新的 GPT-4o 模型中，所有输入和输出，都由同一神经网络处理，也就是说，新的 GPT-4o 是一个原生的多模态模型，而非之前的组合模型，它解决了上述的所有缺点。
2024年5月14日 · 作者｜苑桢 袁博. 来源 ｜ AI先锋官. 今日凌晨1点，OpenAI举办春季线上直播，宣布将推出桌面版ChatGPT，并发布全新旗舰AI模型GPT-4o。 1、GPT-4o里的“o”是Omni的缩写，也就是“全能”的意思，接受文本、音频和图像的任意组合作为输入，并生成文本、音频和图像输出。 2、GPT-4o向所有人免费开放，且其响应速度达到GPT-4 Turbo的2倍，而API定价却只有GPT-4 Turbo的一半。 3、GPT-4o响应速度达到GPT-4 Turbo的2倍。 其能够以快至232毫秒的速度对音频输入做出反应，平均响应时间约为320毫秒。 4、与现有模型相比，GPT-4o在视觉和音频理解方面非常出色。 特别是具备了“看”世界的能力。
2024年5月14日 · GPT-4o 模型的所有升级，其实都可以总结为原生多模态能力的全面提升，不仅是文本、音频和图像任意组合的输入、输出，同时各自的理解能力也有明显的进步。 尤其是图像理解。 在这张图片中，有被部分遮挡的书本，还有一台正在运行游戏的手机，GPT-4o 不仅能准确识别书本上文字，根据知识库或者联网正确地识别出完整的书名， 最让人惊艳的是能直接看出手机正在运行的游戏——《原神》。 图/ ChatGPT. 坦白讲，熟悉《原神》这款游戏的玩家大概都能一眼看出本体，但仅凭这张图片，很多没玩过游戏、不了解游戏角色的人基本都认不出《原神》。 当小雷询问 ta 怎么看出是《原神》时，GPT-4o 的回答也符合逻辑：无非就是画面内容、游戏界面以及视觉风格。 图/ ChatGPT.
2024年5月14日 · GPT-4o以其强大的文本、音频、图像处理能力，以及快速响应和免费开放的特点，迅速引发了业界的广泛关注。 响应速度仅232毫秒，聊天堪比真人. GPT-4o作为OpenAI的最新旗舰产品，其名称中的“o”代表“omni”，意为“全能的”。 这款模型不仅支持文本输入，还能接受音频和图像的任意组合作为输入，并生成相应的文本、音频和图像输出。 这一特性使得GPT-4o在人机交互方面展现出了极高的灵活性和适应性。 在发布会上，OpenAI展示了GPT-4o的实时互动能力。 无论是语音输入还是图像识别，GPT-4o都能在短时间内给出准确的回应。 用户能够像与助手互动一样自然地使用ChatGPT，也可以在ChatGPT回答问题时中断它。
2024年5月14日 · 新闻稿称，GPT-4o是迈向更自然人机交互的一步，它可以接受文本、音频和图像三者组合作为输入，并生成文本、音频和图像的任意组合输出，“与现有模型相比，GPT-4o在图像和音频理解方面尤其出色。 在GPT-4o之前，用户使用语音模式与ChatGPT对话时，GPT-3.5的平均延迟为2.8秒，GPT-4为5.4秒，音频在输入时还会由于处理方式丢失大量信息，让GPT-4无法直接观察音调、说话的人和背景噪音，也无法输出笑声、歌唱声和表达情感。 与之相比，GPT-4o可以在232毫秒内对音频输入做出反应，与人类在对话中的反应时间相近。 在录播视频中，两位高管做出了演示：机器人能够从急促的喘气声中理解“紧张”的含义，并且指导他进行深呼吸，还可以根据用户要求变换语调。
2024年5月14日 · 北京时间5月14日凌晨，OpenAI在一场26分钟的直播中发布了新一代旗舰生成模型GPT-4o，展示了可以毫秒级反应、识别人类情绪进行音视频交互，可多模态输入/输出等一系列新能力。 伴随这些能力的还有一个新的桌面版的ChatGPT以及新的用户界面，首席技术官米拉（Mira Murati）表示，这是为了让更多人更方便地使用，她宣布了OpenAI的产品理念：免费优先。 发布会结束后，OpenAI首席执行官山姆·奥特曼在个人社交平台发布了一个单词：她（her）。 在科幻电影《她》里，AI助理爱上了人类，而今天，具备新功能、接入GPT-4o的ChatGPT语音助手产品，似乎真的有望让科幻电影的桥段走入现实。 识别表情语气、可随时打断 GPT-4o展示“真”语音助手.
