OpenAI 的最新升级本质上是让用户可以使用ChatGPT进行直播

Cointelegraph5月14日报道：ChatGPT 的重大升级被称为 GPT Omni，它允许聊天机器人实时解释视频和音频，并像人类一样更令人信服地说话。

ChatGPT 的创建者 OpenAI 宣布了其最新的人工智能模型 GPT-4o，这是一个更健谈、更人性化的人工智能聊天机器人，它可以解释用户的音频和视频并实时响应。

该公司发布的一系列演示显示，GPT-4 Omni 可以帮助潜在用户做好面试准备等工作（确保他们在面试中表现得体面），以及致电客户服务代理获取更换的 iPhone。

其他演示显示，它可以分享爸爸的笑话，实时翻译双语对话，担任两个用户之间石头剪刀布比赛的裁判，并在被问到时以讽刺的方式回应。 一个演示甚至展示了 ChatGPT 在第一次被介绍给用户的小狗时的反应。

“你好，库巴！你不是最可爱的小东西吗？” 聊天机器人惊呼道。

“感觉就像电影中的人工智能； 该公司首席执行官萨姆·奥尔特曼 (Sam Altman) 在 5 月 13 日的博客文章中说道：

“事实证明，达到人类水平的响应时间和表达能力是一个巨大的变化。”

OpenAI 在最近的 X 帖子中表示，纯文本和图像输入版本已于 5 月 13 日推出，完整版本将在未来几周内推出。

GPT-4o 将可供付费和免费 ChatGPT 用户使用，并可通过 ChatGPT 的 API 进行访问。

OpenAI 表示，GPT-4o 中的“o”代表“omni”，旨在标志着迈向更自然的人机交互的一步。

与 OpenAI 早期的人工智能工具（例如 ChatGPT-4）相比，GPT-4o 同时处理任何文本、音频和图像输入的能力是一个相当大的进步，后者在被迫执行多任务时经常“丢失大量信息” 。

OpenAI 表示，“与现有模型相比，GPT-4o 在视觉和音频理解方面尤其出色”，其中甚至包括捕捉用户的情绪和呼吸模式。

在 OpenAI 的 API 中，它也比 GPT-4 Turbo“快得多”和“便宜 50%”。

OpenAI 声称，新的人工智能工具可以在短短 2.3 秒内响应音频输入，平均时间为 3.2 秒，这与人类在普通对话中的响应时间相似。

新闻来源：Cointelegraph   作者：Brayden Lindrea

编辑：Marine Don

（声明：请读者严格遵守所在地法律法规，本文不代表任何投资建议）