重磅！类人速度超快语音响应！OpenAI推出新旗舰模型GPT-4o 图文音频手机AI搞定

　　北京时间周二凌晨1点，自年初“文生视频模型”Sora后许久未给市场带来惊喜的OpenAI举行春季发布会。公司首席技术官米拉·穆拉蒂（Mira Murati）向外界展现了多项与ChatGPT有关的更新。简要来说，OpenAI的发布会主要干了两件事情：发布最新GPT-4o多模态大模型，相较于GPT-4 Trubo速度更快、价格也更便宜。

　　第二件事情就是宣布，ChatGPT的免费用户也能用上最新发布的GPT-4o模型（更新前只能使用GPT-3.5），来进行数据分析、图像分析、互联网搜索、访问应用商店等操作。这也意味着GPT应用商店的开发者，融易新媒体消息，将面对海量的新增用户。

　　当然，付费用户将会获得更高的消息限制（OpenAI说至少是5倍）。当免费用户用完消息数量后，ChatGPT将自动切换到GPT-3.5。

　　另外，OpenAI将在未来1个月左右向Plus用户推出基于GPT-4o改进的语音体验，目前GPT-4o的API并不包含语音功能。苹果电脑用户将迎来一款为macOS设计的ChatGPT桌面应用，用户可以通过快捷键“拍摄”桌面并向ChatGP提问，OpenAI表示，Windows版本将在今年晚些时候推出。

　　值得一提的是，米拉·穆拉蒂在一次直播活动中表示:“这是我们第一次在易用性方面真正向前迈出了一大步。”

图片来源：视频截图

　　OpenAI由微软支持，目前投资者对其估值已超过800亿美元。该公司成立于2015年，目前正面临在生成式AI市场保持领先地位的压力，同时需要想方设法实现盈利，因为其在处理器和基础设施建设上投入了大量资金，以构建和训练其模型。

　　实时口译、读取用户情绪等

　　米拉·穆拉蒂强调了GPT-4o在实时语音和音频功能方面必要的安全性，称OpenAI将继续部署迭代，带来所有的功能。

　　在演示中，OpenAI研究主管Mark Chen掏出手机打开ChatGPT，用语音模式Voice Mode现场演示，向GPT-4o支持的ChatGPT征询建议。GPT的声音听起来像一位美国女性，当它听到Chen过度呼气时，它似乎从中察觉到了他的紧张。然后说“Mark，你不是吸尘器”，告诉Chen要放松呼吸。如果有些大变化，用户可以中断GPT，GPT-4o的延迟通常应该不会超过两三秒。

图片来源：视频截图

　　另一项演示中，OpenAI的后训练团队负责人Barret Zoph在白板上写了一个方程式3x+1=4，ChatGPT给他提示，引导他完成每一步解答，识别他的书写结果，帮助他解出了X的值。这个过程中，GPT充当了实时的数学老师。GPT能够识别数学符号，甚至是一个心形。

图片来源：视频截图

　　应社交媒体X的用户请求，米拉·穆拉蒂现场对ChatGPT说起了意大利语。GPT则将她的话翻译成英语，转告Zoph和Chen。听完米拉·穆拉蒂说的意大利语，GPT翻译为英文告诉Chen：“Mark，她（米拉·穆拉蒂）想知道鲸鱼会不会说话，它们会告诉我们什么？”

图片来源：视频截图

　　OpenAI称，GPT-4o还可以检测人的情绪。在演示中，Zoph将手机举到自己面前正对着脸，要求ChatGPT告诉他自己长什么样子。最初，GPT参考了他之前分享的一张照片，将他识别为“木质表面”。经过第二次尝试，GPT给出了更好的谜底。

　　GPT注意到了Zoph脸上的微笑，对他说:“看起来你感觉非常快乐，喜笑颜开。”有评论称，这个演示显示，ChatGPT可以读取人类的情绪，但读取还有一点困难。

图片来源：视频截图

　　OpenAI的高管表示，GPT-4o可以与代码库交互，并展示了它根据一些数据分析图表，根据看到的内容对一张全球气温图得出一些结论。OpenAI称，基于GPT-4o的ChatGPT文本和图像输入功能将于本周一上线，语音和视频选项将在未来几周内推出。

　　据外媒援引PitchBook的数据，2023年，近700笔生成式AI交易共投入创纪录的291亿美元，较上一年增长逾260%。据预测，该市场将在未来十年内突破1万亿美元收入大关。业内一些人对于未经测试的新服务如此迅速地推向市场表示担忧，而学术界和伦理学家则对这项技术传播偏见的倾向感到忧虑。

　　ChatGPT自2022年11月推出以来，便打破了当时最快增长消费类应用的历史记录，如今每周活跃用户已接近1亿。OpenAI表示，超过92%的《财富》500强企业都在使用该平台。

图片来源：CNBC报道截图

　　在周一的活动上，穆拉蒂表示，OpenAI希望“消除科技中的一些神秘感”。她还说，“未来几周，我们将向所有人推出这些功能。”