比GPT 4-Turbo速度快2倍，价格便宜50%！GPT-4o 正式发布！还即将免费

Her看过吧？

现在！

ChatGPT版本的Her也来了！

北京时间5月14日凌晨，OpenAI 一场不到 30 分钟的发布会，正式发布了 GPT-4o，视频语音交互丝滑到吓人，还即将免费可用！

GPT-4o，其中的「o」代表「omni」（即全面、全能的意思），这个模型同时具备文本、图片、视频和语音方面的能力，甚至就是 GPT-5 的一个未完成版。

更重要的是，这个 GPT-4 级别的模型，将向所有用户开放，并且未来几周内先向 ChatGPT Plus 推送。

微软这边，也是在Azure OpenAl Studio上早早进行了跟进。

从今天开始，Azure OpenAI 服务客户可以在美国的两个地区通过Azure OpenAI Studio中的预览游乐场探索 GPT-4o 的广泛功能。

参考链接：
微软 Azure OpenAI 申请

太长不看版：

1.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。

2.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。 

3.GPT-4o 向所有用户免费开放 。

（新语音模式几周内先对Plus用户开放）

4.GPT-4o API，比 GPT 4-Turbo 快 2 倍，价格便宜 50% 。

5.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 。

6.ChatGPT 新 UI，更简洁。

7.一个新的 ChatGPT 桌面应用程序，适用于 macOS，Windows 版本今年晚些时候推出。

GPT-4o免费可用，但这不是它最大的亮点

端到端训练，一个神经网络搞定语音文本图像。

正如奥特曼在发布会前所说，GPT-4o让人感觉像魔法一样。GPT-4o 的强大之处，在于它能接受任何文本、音频和图像的组合作为输入，并直接生成上述这几种媒介输出。

这意味着人机交互将更接近人与人的自然交流。

与旧版的对比：

旧版ChatGPT语音模式，由三个独立模型组成，语音转文本→GPT3.5/GPT-4→文本转语音。平均延迟为 2.8 秒（GPT-3.5）和 5.4 秒（GPT-4）。

GPT-4o则是跨文本、视觉和音频端到端训练的新模型，这意味着所有输入和输出都由同一个神经网络处理。GPT-4o 可以在 232 毫秒内回应音频输入，平均为 320 毫秒，接近于人类对话的反应时间。

而且旧版ChatGPT语音模式丢失了大量的信息，它无法直接感受音调、多个说话者或背景噪音，也无法输出笑声、唱歌声，或表达情感。这一切，在GPT-4o上则都能实现。

与现有模型相比，GPT-4o 在视觉和音频理解方面表现尤为出色。

-你在对话时可以随时打断
-可以根据场景生成多种音调，带有人类般的情绪和情感
-直接通过和 AI 视频通话让它在线解答各种问题

从测试参数来看，GPT-4o 主要能力上基本和目前最强 OpenAI 的 GPT-4 Turbo 处于一个水平。

它在英文和代码文本上与 GPT-4 Turbo 的性能相匹敌，在非英语语言文本上有显著改进，同时在 API 上更快速且价格便宜 50%。

而更令人惊喜的是，ChatGPT 免费用户就能使用 GPT-4o 可以体验以下功能：

-体验 GPT-4 级别的智能
-从模型和网络获取响应
-分析数据并创建图表
-聊一聊你拍的照片
-上传文件以获取摘要、写作或分析帮助
-使用 GPTs 和 GPT Store
-通过 Memory 构建更加有帮助的体验

话不多说，看看演示

睡觉搭子

以一个具体的生活场景为例，让 ChatGPT 讲一个关于机器人和爱的睡前故事，它几乎不用太多思考，张口就能说出一个带有情感和戏剧性的睡前故事。

甚至它还能以唱歌的形式来讲述故事，简直可以充当用户的睡眠搭子。

做题高手

又或者，在发布会现场，让其演示如何给线性方程 3X+1=4 的求解提供帮助，它能够一步步贴心地引导并给出正确答案。

当然，上述还是一些「小儿戏」，现场的编码难题才是真正的考验。不过，三下五除二的功夫，它都能轻松解决。

借助 ChatGPT 的「视觉」，它能够查看电脑屏幕上的一切，譬如与代码库交互并查看代码生成的图表，咦，不对劲？那我们以后的隐私岂不是也要被看得一清二楚了？

实时翻译

现场的观众也给 ChatGPT 提出了一些刁钻的问题。

从英语翻译到意大利语，从意大利语翻译到英语，无论怎么折腾该 AI 语音助手，它都游刃有余，看来没必要花大价钱去买翻译机了，在未来，指不定 ChatGPT 可能比你的实时翻译机还靠谱。

实时翻译（官网案例）

感知语言的情绪还只是第一步，ChatGPT 还能解读人类的的面部情绪。

在发布会现场，面对摄像头拍摄的人脸，ChatGPT 直接将其「误认为」桌子，正当大家伙以为要翻车时，原来是因为最先打开的前置摄像头瞄准了桌子。

不过，最后它还是准确描述出自拍面部的情绪，并且准确识别出脸上的「灿烂」的笑脸。

两个 GPT-4o 互动并唱歌（官网案例）

有趣的是，在发布会的尾声，发言人也不忘 Cue 了英伟达和其创始人老黄的「鼎力支持」，属实是懂人情世故的。

Azure OpenAI已上线GPT-4o预览模型 ！

来源于微软官网

微软这边，也是在Azure OpenAl Studio上早早进行了跟进。

从今天开始，Azure OpenAI 服务客户可以在美国的两个地区通过Azure OpenAI Studio中的预览游乐场探索 GPT-4o 的广泛功能。

注意：

GPT-4o 早期访问游乐场目前仅适用于West US3和East US的资源，并且每个订阅每五分钟最多只能有 10 个请求。

即使批准修改，所有早期访问 Playground 用户仍会启用 Azure OpenAI 服务滥用监控；默认内容过滤器已启用且无法修改。

GPT-4o 是 Azure OpenAI 预览模型，目前不可用于部署/直接 API 访问预计5月21日正式上线。

此初始版本侧重于文本和视觉输入，以提供模型潜力的一瞥，为音频和视频等进一步功能铺平道路。

微软表示，GPT-4o 的推出为各个行业的企业带来了无数的可能性： 

-增强的客户服务：通过集成不同的数据输入，GPT-4o 可实现更加动态和全面的客户支持交互。

-高级分析：利用 GPT-4o 处理和分析不同类型数据的能力，以增强决策并揭示更深入的见解。

-内容创新：利用 GPT-4o 的生成能力来创建引人入胜且多样化的内容格式，以满足广泛的消费者偏好。

↑实测，Azure OpenAI企业用户还在等什么，快去体验吧！

出于合规角度，建议国内企业可以选择微软的Azure OpenAI服务来使用接口。

通过微软openai官方合作伙伴获取服务，可以合规、稳定地提供企业用户使用ChatGPT的可能，满足国内发票需求，同时也能解决连接不稳定/响应速度慢/并发配额低等问题。

作为微软的合作伙伴，全云在线可为企业开通绿色申请通道！包括Meta Llama 3模型、企业版AZURE OPEN AI 最新版本GPT-4 Turbo、Dalle-3，只要企业有需求，全云在线都能协助快速开通！