OpenAI推出新旗舰模型GPT-4o

OpenAI推出新旗舰模型GPT-4o GPT-4o 是面向未来人机交互范式的全新大模型，具有文本、语音、图像三种模态的理解力，反应极快还带有感情，也很通人性。 GPT-4o面向所有用户、包括免费用户，最快232毫秒响应音频输入，平均响应时间和人类相似；相比GPT-4 Turbo速度快两倍，成本降低50%，API速率限制提高五倍。

今天发布的GPT-4o以及ChatGPT产品的快速总结：

今天发布的GPT-4o以及ChatGPT产品的快速总结： GPT-4o（“o”代表“全能”） 它可以接受任意组合的文本、音频和图像作为输入，并生成任意组合的文本、音频和图像输出。 它可以在 232 毫秒内响应音频输入，平均为 320 毫秒，这与人类在对话中的响应时间相似。 在英文和代码文本方面，它与 GPT-4 Turbo 的性能相当，对非英语文本的文本有显著改进。 同时在 API 方面更快速、价格更便宜 50%。与现有模型相比，GPT-4o 在视觉和音频理解方面表现特别出色。 与 GPT-4 Turbo 相比，GPT-4o 速度提高了 2 倍，价格减半，限制速率提高了 5 倍。 何时可用？ GPT-4o 的文本和图像功能今天开始在 ChatGPT 中推出。 将在免费版中提供 GPT-4o，并为 Plus 用户提供高达 5 倍的消息限制。 将在未来几周内在 ChatGPT Plus 中推出带有 GPT-4o 的 Voice Mode 的新版本。 开发者现在也可以通过 API 访问 GPT-4o 作为文本和视觉模型。 source

OpenAI发布最新旗舰生成式AI模型GPT-4o 改进文本、视觉和音频功能

OpenAI发布最新旗舰生成式AI模型GPT-4o 改进文本、视觉和音频功能 穆拉提在 OpenAI 办公室举行的主题演讲上说：GPT-4o 的理由横跨语音、文本和视觉。OpenAI 将发布桌面版 ChatGPT 和全新的用户界面。穆拉提说："我们知道这些模型越来越复杂，但我们希望交互体验变得更自然、更简单，让你完全不用关注用户界面，而只关注与GPT的协作。这一点非常重要，因为我们正在展望人类与机器之间互动的未来。"GPT-4是OpenAI之前的领先模型，它是图像和文本的结合体，可以分析图像和文本，完成从图像中提取文本甚至描述图像内容等任务。但 GPT-4o 增加了语音功能。这具体能带来什么？很多方面。GPT-4o 极大地改善了 ChatGPT 的体验ChatGPT 是 OpenAI 的病毒式人工智能聊天机器人。ChatGPT 长期以来一直提供语音模式，使用文本到语音模式转录 ChatGPT 中的文本。但 GPT-4o 对此进行了改进，让用户可以更像使用助手一样与 ChatGPT 互动。例如，用户可以向由 GPT-4o 支持的 ChatGPT 提问，并在 ChatGPT 回答时打断它。OpenAI 表示，该模型能提供 "实时 "响应，甚至能捕捉用户声音中的情感，并生成 "一系列不同情感风格 "的语音。GPT-4o 还改进了 ChatGPT 的视觉功能。有了照片或桌面屏幕，ChatGPT 现在可以快速回答相关问题，从 "这个软件代码是怎么回事 "到 "这个人穿的是什么牌子的衬衫？其他方面，OpenAI 将发布桌面版 ChatGPT 和全新的用户界面。穆拉提说："我们知道这些模型越来越复杂，但我们希望交互体验变得更自然、更简单，让你完全不用关注用户界面，而只关注与 [GPT] 的协作。" ... PC版： 手机版：

今天发布的GPT-4o以及ChatGPT产品的快速总结：#ai# #open#

今天发布的GPT-4o以及ChatGPT产品的快速总结：#ai# #openai# GPT-4o（“o”代表“全能”） 它可以接受任意组合的文本、音频和图像作为输入，并生成任意组合的文本、音频和图像输出。 它可以在 232 毫秒内响应音频输入，平均为 320 毫秒，这与人类在对话中的响应时间相似。 在英文和代码文本方面，它与 GPT-4 Turbo 的性能相当，对非英语文本的文本有显著改进。 同时在 API 方面更快速、价格更便宜 50%。与现有模型相比，GPT-4o 在视觉和音频理解方面表现特别出色。 与 GPT-4 Turbo 相比，GPT-4o 速度提高了 2 倍，价格减半，限制速率提高了 5 倍。 何时可用？ GPT-4o 的文本和图像功能今天开始在 ChatGPT 中推出。 将在免费版中提供 GPT-4o，并为 Plus 用户提供高达 5 倍的消息限制。 将在未来几周内在 ChatGPT Plus 中推出带有 GPT-4o 的 Voice Mode 的新版本。 开发者现在也可以通过 API 访问 GPT-4o 作为文本和视觉模型。 公告地址：

商汤科技发布 “日日新 5o” 实时多模态流式交互对标 GPT-4o

商汤科技发布 “日日新 5o” 实时多模态流式交互对标 GPT-4o 7 月 5 日，在 2024 世界人工智能大会期间，商汤科技发布 “日日新 5o” 大模型，通过整合跨模态信息，基于声音、文本、图像和视频等多种形式，实现实时流式多模态交互的创新模式，交互体验对标 GPT-4o。（中证金牛座）

GPT-4o在语音对话方面的特点

GPT-4o在语音对话方面的特点 1. 快速反应：与其前身相比，GPT-4o在语音转换和处理方面有显著的速度提升。它允许用户与AI进行更快速的语音交流，这提高了语音聊天的流畅度和自然度。 2. 情感识别：GPT-4o可以识别和反映语音语调和情绪，这使得它能够在语音交流中表现出各种情绪，从而更接近人类交流的感觉。 3. 多语言支持：它支持多种语言的语音输入和输出，这意味着它可以在语音对话中处理跨语言的交流。 4. 语音输入和输出：它可以通过语音输入和输出进行交互，这使得语音对话更加自然和便利。 5. 语音转文字和文字转语音的准确性：尽管有技术进步，但语音转文字和文字转语音的准确性仍然是一个挑战。这可能会影响语音聊天的质量。 6. 易用性：GPT-4o的语音交互功能使得语音聊天更加直观和易用，这让用户可以更简单地使用语音输入和输出。