OpenAI 推出了 GPT-4o，這是一個改進版本，具有更快的響應時間和新的語音技術。
GPT-4o 提供即時文本轉語音響應，並能夠調整情緒化的語調。
與以前的型號不同，GPT-4o 免費提供給所有使用者，付費使用者可以獲得卓越的容量。
OpenAI 周一宣布了其最新的人工智能大型語言模型 GPT-4 的叠代 GPT-4o，據稱這將使 ChatGPT 更智能、更易於使用。
GPT-4o
據了解，更新後的模型「速度更快」，並提高了「文本、視覺和音訊的能力」，OpenAI 技術長 Mira Murati 在周一的直播公告中表示。穆拉蒂補充說，它將對所有使用者免費，付費使用者將繼續「擁有高達免費使用者五倍的容量限制」。
OpenAI 在該公司的一篇網誌文章中表示，GPT-4o 的功能「將叠代推出」，但其文本和影像功能將於今天開始在 ChatGPT 中推出。
OpenAI 行政總裁 Sam Altman 表示，該模型是「原生多模態的」，這意味著該模型可以生成內容或理解語音、文本或影像中的命令。Altman 在 X 上補充說，想要修補 GPT-4o 的開發人員將可以存取 API，它的價格是 GPT-4 Turbo 的一半，速度是 GPT-4 Turbo 的兩倍。
作為新模型的一部份，ChatGPT 的語音模式即將推出新功能。OpenAI 表示，GPT-4o 的工作方式與 GPT-4 類似，但工作速度比前代快得多。GPT-4o 還在其語音模式背後添加了新技術，人們使用麥克風與 ChatGPT 交談。OpenAI 希望使用語音模式與 ChatGPT 交談，就像與真人交談一樣，但演講者完成和 ChatGPT 回復之間的延遲破壞了沈浸感。現在，該公司正在 GPT-4o 背後添加新技術，使與聊天機器人交談感覺盡可能自然。
他們還展示了檢測使用者情緒的模型;在一個例子中，它傾聽了一位高管的呼吸，並鼓勵他冷靜下來。
根據該公司周一的演示，GPT-4o 將有效地將 ChatGPT 變成一個數碼個人助理，可以進行即時的口語對話。它能夠使用文本和「視覺」進行互動，這意味著它可以檢視使用者上傳的螢幕截圖、照片、文件或圖表，並就它們進行對話。
比如，演示者寫出了一個方程式式，並透過手機網絡攝影機將其展示給 GPT-4o。主持人要求 GPT-4o 幫助他們解決這個問題，但不要透露答案。果不其然，GPT-4o 指導演示者完成解決簡單方程式的過程，就像一個好的數學老師一樣。此外，它甚至還回答了典型的「我什麽時候會在現實生活中使用它？」的問題，解釋了二次方程式如何幫助我們完成日常任務。
演示者還使用桌面版的 GPT-4o 來檢查他們擁有的一些程式碼。GPT-4o 不僅可以解釋程式碼的作用，還可以告訴如果你調整它的特定部份會發生什麽。示威者表明，GPT-4o 可以充當現場轉譯，聽兩個人說不同的語言，並告訴一個人用他們的母語說了什麽。
OpenAI 技術長 Mira Murati 表示，ChatGPT 的更新版本現在還將具有記憶功能，這意味著它可以從之前與使用者的對話中學習，並可以進行即時轉譯。
「這是我們第一次在易用性方面真正向前邁出了一大步，」Murati在公司舊金山總部的現場演示中說。「這種互動變得更加自然，也變得更加容易。
Murati 表示，OpenAI 將在未來數月內為Windows和Mac平台推出具有 GPT-4o 功能的 ChatGPT 桌面應用程式。GPT-4o 也將提供給希望從 OpenAI 的 GPT 商店構建自己的自訂聊天機器人的開發人員，該功能現在也可供非付費使用者使用。他表示，免費 ChatGPT 使用者與新 GPT-4o 模型的互動次數有限，互動次數用盡後，然後該工具會自動恢復基於舊 GPT-3.5 模型的問答。
新版本釋出之際，OpenAI 尋求在 AI 軍備競賽中日益激烈的競爭中保持領先地 位。包括谷歌和 Meta 在內的競爭對手一直在努力構建越來越強大的大型語言模型，這些模型為聊天機器人提供動力，並可用於將 AI 技術引入其他各種產品。
OpenAI 活動是在谷歌年度 I/O 開發者大會的前一天舉行的，預計谷歌將在大會上宣布其 Gemini AI 模型的更新。與新的 GPT-4o 一樣，谷歌的 Gemini 也是多模態的，這意味著它可以解釋和生成文本、影像和音訊。OpenAI 的更新也發生在蘋果在下個月的全球開發者大會上宣布 AI 之前，其中可能包括將 AI 整合到下一個 iPhone 或 iOS 版本中的新方法。
與此同時，最新的 GPT 版本對 Microsoft 來說可能是一個福音，該公司已向 OpenAI 投資數十億美元，將其 AI 技術嵌入Microsoft自己的產品中。
