OpenAI发布最新的人工智能模型GPT-4o：可实时语言、图像交互

OpenAI 在周一宣布了一款新的旗舰生成式 AI 模型，他们将其称为 GPT-4o — 这里的 “o” 意指 “全方位”，指的是该模型处理文本、语音和视频的能力。GPT-4o 将会在接下来的几周逐步在公司的开发者和消费者产品中推出。

OpenAI 首席技术官米拉·穆拉蒂表示，GPT-4o 提供了 “GPT-4 级别” 的智能，但在多种形式和媒体上改进了 GPT-4 的能力。

“GPT-4o 可以跨语音、文本和视觉进行推理。” 穆拉蒂在周一在旧金山 OpenAI 办公室举行的直播中说道。“这非常重要，因为我们正在探索我们与机器之间的互动的未来。”

OpenAI 之前的 “领先的”、“最先进的” 模型 GPT-4 Turbo 是在图像和文本的组合上进行训练的，能够分析图像和文本以完成任务，比如从图像中提取文本，甚至描述这些图像的内容。但 GPT-4o 则加入了语音。

这带来了什么？多种可能性。

GPT-4o 极大地改善了 OpenAI AI 驱动的聊天机器人 ChatGPT 的体验。该平台长期以来一直提供着一种语音模式，可以使用文本转语音模型转录聊天机器人的回复，但 GPT-4o 则将其超级加速，使用户可以更像与助手交互一样与 ChatGPT 进行交互。

例如，用户可以向 GPT-4o 动力的 ChatGPT 提问，并在 ChatGPT 回答时打断。OpenAI 表示，该模型提供了 “实时” 的响应能力，甚至可以捕捉到用户语音中的细微差异，以 “一系列不同情绪风格的” 声音回应（包括唱歌）。

GPT-4o 还提升了 ChatGPT 的视觉能力。给定一张照片 — 或者是桌面屏幕 — ChatGPT 现在可以快速回答相关问题，从