OpenAI新模型：圖文音頻全搞定

在周二凌晨1點(diǎn)的春季發(fā)布會(huì)上，OpenAI繼“文生視頻模型”Sora后再次為市場(chǎng)帶來新驚喜。公司CTO米拉·穆拉蒂揭曉了與ChatGPT相關(guān)的多項(xiàng)更新，核心內(nèi)容包括兩大方面：一是推出了升級(jí)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(fèi)用戶也能享用GPT-4o模型，進(jìn)行復(fù)雜數(shù)據(jù)分析、圖像解析、在線搜索及應(yīng)用商店訪問等，預(yù)示著GPT應(yīng)用商店即將迎來用戶量的激增。

針對(duì)不同用戶群體，OpenAI調(diào)整了消息限制策略，付費(fèi)用戶將享有更高額度的消息發(fā)送權(quán)限，而免費(fèi)用戶在配額耗盡后，系統(tǒng)會(huì)自動(dòng)切換至GPT-3.5。未來一個(gè)月左右，Plus用戶還將迎來基于GPT-4o優(yōu)化的語(yǔ)音體驗(yàn)，盡管當(dāng)前API尚未集成語(yǔ)音功能。此外，專為macOS設(shè)計(jì)的ChatGPT桌面應(yīng)用即將面世，Windows版本預(yù)計(jì)年內(nèi)推出，便于用戶通過快捷鍵互動(dòng)提問。

米拉·穆拉蒂?gòu)?qiáng)調(diào)，此次發(fā)布標(biāo)志著公司在易用性上取得重要進(jìn)展。在演示環(huán)節(jié)，GPT-4o展現(xiàn)了實(shí)時(shí)語(yǔ)音交互、情緒感知及多語(yǔ)言翻譯等能力，如通過語(yǔ)音識(shí)別用戶的緊張情緒并給予放松建議，以及實(shí)時(shí)提供數(shù)學(xué)問題解答等。GPT-4o還能檢測(cè)面部表情以判斷情緒，并有望與代碼庫(kù)互動(dòng)，進(jìn)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(yǔ)音和視頻功能預(yù)計(jì)在未來幾周內(nèi)加入。盡管市場(chǎng)上關(guān)于生成式AI的投入與日俱增，2023年已達(dá)291億美元，且預(yù)計(jì)市場(chǎng)規(guī)模將持續(xù)膨脹，但也引發(fā)了對(duì)技術(shù)偏見及未經(jīng)充分測(cè)試服務(wù)快速普及的擔(dān)憂。

自2022年11月亮相以來，ChatGPT用戶量飛速增長(zhǎng)，現(xiàn)接近1億周活躍用戶，深受《財(cái)富》500強(qiáng)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(dá)提供的先進(jìn)GPU技術(shù)支持。

OpenAI介紹，GPT-4o在音頻響應(yīng)速度上實(shí)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(duì)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(jī)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(yù)示著AI技術(shù)在多模態(tài)交互上邁出了重要一步。