【人工智能资讯】OpenAI全新玩家GPT-4o亮相！图文音频一机搞定

北京时间5月14日凌晨，OpenAI召开了一个不到30分钟的发布会，正式发布了新的AI模型：GPT-4o，除了可以给普通用户使用之外，还将开放相应API给GPT的开发者，比原来的GPT 4-Turbo 快 2 倍，价格便宜 50%。

为什么叫做GPT-4o？这里的「o」代表了英文单词：Omni，代表了全能。不得不说，生成式AI又朝着AGI迈出了一大步，正如OpenAI首席执行官Sam Altman所说：这是一个魔法一样的新功能。

关键是：GPT-4o的能力向免费用户开放（但会限制数量，免费用户达到数量之后，会自动跳回GPT-3.5）。

GPT-4是OpenAI之前的领先模型，它集成了图像和文本功能，能够分析图像和文本，完成从提取图像中的文本到描述图像内容等任务。而GPT-4o在此基础上增加了语音功能。

这一改进带来了哪些新功能?包括但不限于以下几点：

GPT-4o显著提升了ChatGPT的使用体验—ChatGPT是OpenAI的人工智能聊天机器人。虽然ChatGPT长期支持语音模式，将ChatGPT 的文本转为语音，但GPT-4o在此基础上进行了优化，使用户能够更像与助手互动一样自然地使用ChatGPT。

例如，用户现在可以在ChatGPT回答问题时中断它，而OpenAI表示，新模型能够提供“实时”响应，甚至能够捕捉到用户声音中的情感，并以不同的情感风格生成语音。

GPT-4o还增强了ChatGPT的视觉功能。通过照片或屏幕截图，ChatGPT现在可以迅速回答相关问题，从“这段代码是做什么用的”到“这个人穿的是什么品牌的衬衫”。

看完这则资讯，发现openai的GPT-4o集成了语音识别。 看来OpenAI的Whisper自动语音识别（ASR）模型， 后续需要深入研究下。

凌晨起床看到的消息， 记录下。