5月14日凌晨1点，OpenAI直播发布了其产品的更新。在半小时的线上发布会上，OpenAI的首席技术官米拉?穆拉蒂（Mira Murati）宣布GPT-4的一系列升级。发布会的主要亮点如下： 推出了全新的模型GPT-4o，其中的“o”表示“omni”（全面、全能）。同时，GPT-4o 向所有用户免费开放。 新模型具备强大的多模态交互能力。在发布会演示中，GPT-4o具备文本、图片、视频和语音方面的能力，可以顺畅丝滑地与人类进行语音交流，并读懂屏幕信息。 发布了ChatGPT 桌面应用程序，目前可适用于 macOS，Windows 版本将在今年晚些时候推出。 AI助手初具雏形 在发布会前，记者注意到OpenAI的官网上已经将GPT-4的描述从“最先进的模型”更改为“先进的模型”，为GPT-4o的发布提前做了准备。 作为OpenAI目前最先进的模型，GPT-4o的特别之处在于可以接受任何文本、音频和图像的组合作为输入，并生成上述这几种模态的内容。这意味着，GPT-4o具备了AI助手的基本雏形，在通往通用人工智能的道路上又前进了一步。 在发布会现场，穆拉蒂与OpenAI的前沿研究主管Mark Chen和后期训练团队负责人Barret Zoph对实时语音对话功能进行了演示。从演示效果上来看，GPT-4o与人类的交互变得更及时和自然。据介绍，GPT-4o可以在232毫秒内回应音频输入，接近于人类对话的反应时间。在此之前，使用语音模式与ChatGPT进行交流，平均时延为2.8秒（GPT-3.5）和5.4秒（GPT-4）。GPT-4o不仅可以实时响应对话，天富注册登录还没有尴尬漫长的时延，而且能够生成各种不同情绪风格的语音。 例如，当被问及“你最近怎么样？”时，GPT-4o 除了表示“我很好”，还会反问“你怎么样？”当“要求讲一个“机器人和爱情的睡前故事”时，GPT-4o开始说话以后被打断，要求以更有情绪性、更戏剧化的方式讲述故事，随后GPT-4o在讲故事时的语音语调更跌宕起伏，更为声情并茂，甚至可以以唱歌的形式结束对话。 从此以后，家长们哄娃睡觉变得so easy。 不仅如此，GPT-4o 还拥有视觉+语音交互功能，能够看图解方程式。Zoph打开手机视频通话，对GPT-4o说：“我要在一张纸上写下一个线性方程。不要告诉我答案，只是给出解答它的过程。”随后，Zoph写下了3x+1=4的方程式，询问如何解这道题。GPT-4o通过循循善诱的提示，在Zoph提出求助与问题时不断给出下一个步骤的建议，从而得出了x=1的正确结果。 从此，家长辅导孩子写作业也变得更轻松。 此外，GPT-4o能够实时读懂屏幕信息，帮助解答代码问题和分析图表；能够跨语言实时翻译，在说话者用意大利语和英语对话时，没有延迟地翻译成了对应的语言，还能模仿说话者的语气；能够识别分析人类的情绪，当说话者展示一张自拍，要求其判断自天富平台己的情绪时，GPT-4o 分析道，“你看起来非常开心，可能还有一些激动，应该心情很不错。” 虽然OpenAI的首席执行官山姆?奥特曼没有在发布会现场出现，但他在个人社交平台上实时播报着OpenAI的更新。发布会后，他发布了一条动态，只写了“her”这一个词。据外媒此前报道，奥特曼曾表示自己最喜欢的一个人工智能电影是《她》（Her），最终目标是开发出一种类似电影中的虚拟AI助手，努力使苹果Siri等现有语音助手变得更加实用和智能。

---

这是水淼·PHPWEB站群文章更新器的试用版本更新的文章，故有此标记(2024-05-14 14:53:11)