GPT-4o 深夜炸场，科幻成真，这是流浪地球幕后黑手 Moss 的诞生

loonggg

读完需要

4

分钟

速读仅需 2 分钟

昨晚 OpenAI 召开了春季发布会，推出了一款叫：GPT-4o 的大模型。

最关键的点在于这个模型将向免费用户开放，你没看错，免费开放。这意味着人和人都可以通过 ChatGPT 访问 OpenAI 最先进的生成式人工智能模型技术。

为什么叫 GPT-4o ，而不是 4.5 或者 GPT- 5 呢？官方解读 o 的意思是：「o」象征着「omni」（意即全面、全能），显示出这款模型不仅具备文本处理能力，还能处理图像、视频和语音。

所以，omnimodel 指的就是文字、语音、图片、视频统一的模型，这是跟以往的 GPT-4V 最大的区别。

这是正儿八经的原生多模态。

而且 GPT-4o 大模型现在已经支持了实时联网功能，可以通过这个大模型查询最新消息。

今天一大早，我就收到了试用消息，赶紧体验了一波 GPT-4o 。

顺便我试用了联网功能，比如，我问 GPT-4o ：昨晚 OpenAI 召开了春季发布会，在发布会上 OpenAI 宣布推出了 GPT-4o ，在这个发布会上，有哪些我们普通人值得关注的要点？

看到了吗？它经过搜索，找到了 6 条关于这个发布会的消息源，然后根据这些消息源生成了对应的回答。

关于这次发布会，值得我们普通人关注的要点大概有如下几个：

1、ChatGPT 将采用新的 UI ，更简洁，提升产品的可用性和便捷性，同时宣布今年晚些时候，将发布一个全新的 ChatGPT 桌面应用程序，支持 macOS，Windows 版本。

2、新的 GPT-4o 模型：打通任何文本、音频和图像的输入，相互之间可以直接生成，无需中间转换。

3、惊艳的实时语音助手演示：对话更像人、能实时翻译，识别表情，可以通过摄像头识别画面写代码分析图表 。

4、GPT-4o 语音延迟大幅降低，能在 232 毫秒内回应音频输入，平均为 320 毫秒，这与对话中人类的响应时间相似。

5、能让广大用户收益的是 GPT-4o 将向所有用户免费开放，以后不需要付费花钱就可以体验最新的功能，文本、语音、图像都可以。另外，GPT-4o API，比 GPT 4-Turbo 快 2 倍的同时，价格便宜 50%。

让用户免费体验最新的技术，这绝对是王炸啊。

今天早上我看了网上的一些发布会的演示视频吧，给我一个很大的感受就是这种原生多模态的 GPT-4o 确实越来越像一个接近我们人类的新物种。

比如，一个演示视频是它能通过摄像头看到你，看到你周围的环境，从而判断你正在干什么，通过你的表情判断你的心情，这特么就像是长了眼睛一样。

另外一个演示视频是，它不仅能听懂你的语言，更能通过听到你急促的呼吸声来给你提建议，帮助你调整呼吸，让你放松下来。这就像是长了耳朵一样，而且这耳朵能听懂语言之外的声音，更加灵敏了。

眼睛长了，耳朵也灵敏了，那嘴巴呢？更强大了，GPT-4o 语音延迟大幅降低，能在 232 毫秒内回应音频输入，对话更像人、能实时翻译。你不仅能随时打断它，它也能随时接住你的话。它的声音也更加有感情了。

想来想去，就差一个鼻子了，以后再升级一下，给 AI 带上嗅觉，真的堪比人类了。

当然了，这一切都离不开 GPT-4o 大模型的大脑。就像开头所说的，GPT-4o 与现有模型相比，它最大进步在于，它可以实时对音频、视觉和文本进行推理——换句话说，它让 ChatGPT 实现了真正意义上的多模态交互 。

什么意思呢？以前比如用户和 ChatGPT 进行语音交流的话，大模型是先将语音翻译成文本，然后根据文本再去理解意思，生成内容之后，再将文本转换成语音回应给用户。中间经历了多个转换过程。

现在呢？GPT-4o 的解决办法是，跨文本、视觉和音频端到端地训练了一个新模型，这意味着所有输入和输出都由同一神经网络处理。

这才是革命性的啊。

最后，欢迎大家加入我的知识星球「AIGC 掘金研习社」，里面有很多 AI 的玩法和落地应用场景，包括有 ChatGPT 的教程。

只需要 49 块钱可以享受全年各种教程更新的福利，相比于市面上的星球绝对超值。教程内容涵盖：ChatGPT ，AI绘画，AI音乐制作，国产AI 各种玩法和教程，还有 AI 副业变现内容等各种落地应用场景。

一年 49 元，平均一条 2 毛钱。绝对超值，目的就是带着大家入门。

现在星球搞活动，立减 50 元，只需要 49，后期随着加入的人越多，价格可能上涨哈，早学早享受。

持续干货分享，绝对超值。

点击下方公众号卡片，关注我

在公众号对话框，回复关键字 “1024”

有惊喜