前言
美国时间 5 月 13 日，在 Sam Altman 缺席的情况下（为什么缺席，猜测是可能后面还有更重磅的消息，这次的产品只是一个中间过渡产品），OpenAI CTO Mira Murati 介绍了新的 ChatGPT 产品 ChatGPT-4o。这个缩写中的o代表omni(到处，遍及，一切)
在这次发布会前夕，多家中外媒体外对 OpenAI 新的发布会有颇多谣传以及质疑。一周前，外媒及国内的自媒体谣传这次OpenAI 要发布的是一款搜索引擎，意欲颠覆搜索引擎行业（笔者觉得ChatGPT颠覆搜索引擎市场的现实可行性很大），另外，OpenAI没有推出 GPT-5，引来外界对其创新乏力的质疑。如果无法拿出足够有创新力的技术和产品，OpenAI将难以实现活跃用户的持续增长、满足整个市场对它的期待。
OpenAI自 2022 年底推出 ChatGPT 后，用户访问量经历了大起大落。其在 2023 年 5 月达到 18 亿次峰值全球访问量。但进入 2023 年下半年后，其用户量则有所下降，至今都没有追平去年 5 月创造的全球访问量峰值记录。
无论是最初的 GPT-3.5，还是去年年中的GPT-4和年底的 GPTs，以及年初的 Sora。OpenAI一直引领着人工智能领域的科技创新，OpenAI每次发布会都不会让世人失望，也包括这次。让我们看看，这次都发布了哪些新功能。
ChatGPT-4o新功能介绍
无延迟语音实时对话
在GPT-4o发布之前，与ChatGPT对话，GPT-3.5和GPT-4平均延迟分别为2.8秒和5.4秒。那时，为了实现与ChatGPT以语音进行对话，设置了三个独立模型管线：
- 第一个模型将音频转录成文本
- 第二个模型就是GPT-3.5或GPT-4，接收文本并输出响应文本
- 第三个模型将文本转换成音频
这个过程走下来，不仅导致了延迟时间较长，而且造成ChatGPT不能观察说话者语气、说话者的背景噪音，无法表达情感。但现在，GPT-4o让一切都发生得很自然。GPT-4o 能在 232 毫秒内对音频输入做出反应，平均反应时间为 320 毫秒，这与人类在对话中的反应时间相近。未来，就变成了我们讲话比 ChatGPT 慢半拍了……
高情商，没有AI的机械和僵硬感
工程师要求ChatGPT讲一个睡前故事，主题是恋爱中的机器人。ChatGPT没讲几秒，就被工程师粗暴地打断了：多点情绪，故事里来点戏剧性行不
ChatGPT随即用起伏的声调、夸张的语气绘声绘色的开始讲起了故事。
结果没几秒，它又被挑刺的工程师再次打断：不行不行，再多点情感，给我最大程度的表达可以吗
接下来，ChatGPT语气夸张的仿佛一个在舞台上表演莎士比亚戏剧的演员。
随后，挑剔的工程师依旧不依不饶，又多次打断它，它很有耐心地按照工程师的要求，切换到机器人声和改变唱歌模式。
尤其是ChatGPT听到要求自己唱歌时，表现得像人类一样，甚至叹了口气，然后心情平和的开启了优美的歌喉。
多亏ChatGPT脾气好，要是真人，估计要被暴揍一顿，哪那么多事。整个过程，自然连贯得犹如坐在你对面的真人，完全没有AI的机械和僵硬感！ChatGPT完胜反应迟钝、没法打断还缺少情商的Siri等语音助手。无怪乎ChatGPT-4o发布之后，立刻就曝出苹果要和OpenAI联合开发语音助手的消息。
视觉推理
工程师手写了一个一元一次方程，打开摄像头拍照发给ChatGPT，让它扮演在线导师的角色帮助自己解题，要求只能给提示，不能直接说答案。
工程师在纸上写了一个方程式3x+1=4。问ChatGPT自己写的是什么方程，ChatGPT语调自然地回答出来了。工程师在摄像头中解题，ChatGPT实时地给出了鼓励和引导。ChatGPT反应很快，工程师还在计算，ChatGPT就实时给出了评价和反馈。与之前谷歌剪辑版的Gemini演示相比，高下立判。
其它
GPT-4o是OpenAI首个端到端训练的跨越文本、视觉和音频的新模型，所有多模态及其任意组合输入和输出都由相同的神经网络处理。用户可以上传各种图片、视频，以及包含图片和文字的文档，和ChatGPT讨论其中的内容。Altman说GPT-4o是OpenAI有史以来最好的模型，它很聪明，速度很快，是天然的多模态。并且，所有ChatGPT用户都可以使用，完全免费！ChatGPT免费用户可以访问新模型加持下的功能，包括：
- 体验GPT-4级别的智能
- 从联网后的模型得到响应
- 分析数据并创建图表
- 畅聊你拍的照片
- 上传文件以帮助总结、撰写或分析
- 发现和使用GPTs和GPT Store
- 用记忆构建更有用的体验
感想
看完GPT-4o的发布会，感觉GPT-4o把人机的互动，打磨得格外舒服自然。推进到一个新高度。这么好的工具，而且是免费的，我们不能停留在了解ChatGPT-4o的一些新特性之后就把它束之高阁，而应该把它用起来，给自己带来实实在在的好处。能用它来干什么，才是我们真正需要思考的问题。笔者结合自己的实际情况，觉得可以用它来给孩子辅导家庭作业，尤其是初中之后的作业，现在的考试题出的很灵活，向课外延伸了好多，有些题目，夸张一点说博士生第一次看到也不一定立刻就能做出来。使用它能很好的给家长救场。还有可以使用它进行模拟面试，你当面试官，看看它是怎么回答一些专业问题的，取长补短。还有就是你在写文章时，可能需要插入流程图，你可以手绘一个粗略版本，让它给你转化成标准的流程图，还有就是涉及到跨语言的程序片段时，如果你看不懂，你可以发给它，让它给你解释一下一段代码想要实现的功能。还有你在看国外电影时，听不懂片中人物对话的内容，可以让它帮你实时翻译。你还可以把它当作一个智囊，生活中，工作中遇到不能解决的问题，都可以直接向它提问，寻求启发与帮助。你会怎样使用它，我们留言区讨论。
实战
我用ChatGPT-4o解开了一个网上需要付费才能查看答案的算法题。题目如下： 给定一个由纯数字组成以字符串表示的数值，现要求字符串中的每个数字最多只能出现2次，超过的需要进行删除,删除某个重复的数字后，其它数字相对位置保持不变。如”34533”，数字3重复超过2次，需要删除其中一个3，删除第一个3后获得最大数值”4533”请返回经过删除操作后的最大的数值，以字符串表示。
js
代码解读
复制代码
测试用例1： 输入: 34533 输出: 4533 测试用例2： 输入: 5445795045 输出: 5479504
ChatGPT给出的代码片段如下：
js
代码解读
复制代码
function removeExtraDuplicates(s) { const stack = []; const count = {}; // 当前栈中每个字符的数量 const total = {}; // 整个字符串中每个字符的总数量 // 统计每个字符在整个字符串中的总数量 for (const char of s) { if (!total[char]) { total[char] = 0; } total[char]++; } for (const char of s) { // 如果当前字符在栈中的数量已经达到2次，则跳过 if (count[char] && count[char] >= 2) { total[char]--; continue; } // 保证在添加当前字符时，如果栈顶字符可以被删除（剩余字符还够用），则删除栈顶字符 while (stack.length > 0 && stack[stack.length - 1] < char && total[stack[stack.length - 1]] > 0) { const top = stack.pop(); count[top]--; total[top]--; } // 将当前字符加入栈中 stack.push(char); if (!count[char]) { count[char] = 0; } count[char]++; total[char]--; } return stack.join(""); } // 测试用例 console.log(removeExtraDuplicates("34533")); // 输出 "4533" console.log(removeExtraDuplicates("5445795045")); // 输出 "5479504"
这道题我自己解来解去，只能通过测试用例1，测试用例2成为无法逾越的坎。在ChatGPT-4o的帮助下，终于把这道题破解了。与通义千问对比了一下，在同样的提示下，多次求解多次纠正与提示，但就是解不出来。不得不说，还是ChatGPT-4o强。此外，ChatGPT-4o回答问题的速度超快，交互体验很舒畅。果然是工欲善其事，必先利其器。有个好使的工具，解决问题会快速和高效很多。
扫一扫
13万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
