OpenAI 發表了一個新的生成式人工智慧旗艦模型，名為 GPT-4o，其中「o」代表 omni。開發人員聲稱，該模型可以處理文字、語音和視訊，並將在幾週內提供給使用者。
根據 OpenAI 技術總監的說法、 GPT-4o 提供「GPT-4 等級的智慧」（該公司之前的語言模型），但在與使用者及周遭世界互動的能力上有所提升。他稱之為「人機互動的未來」。
GPT-4o 大幅改善了與以人工智慧為基礎的 Open air 聊天機器人 ChatGPT 合作的體驗。該平台早已提供語音模式，可將聊天機器人的回應從文字轉換為語音，但 GPT-4o 可讓人們像與真正的對話者一樣與它溝通。
例如，使用者可以提出基於 GPT-4o 的 ChatGPT 問題，並在回答時中斷 ChatGPT。從示範來看，該模型幾乎可以即時提供回應，甚至可以捕捉使用者語音中的細微差異，以回應產生「多種不同情感風格」（包括歌唱）的聲音。
此外，基於 GPT-4o 的 ChatGPT 將能夠透過手機相機真實「看見」周遭的世界，描述並分析周遭發生的事情。據 Murat 所說，這些功能將在未來開發。GPT-4o 現在可以查看其他語言的菜單圖像並進行翻譯，而在未來，它將能夠允許 ChatGPT，例如，「觀看 」體育比賽的轉播，並隨時向用戶解釋其規則。
較早前，彭博社撰文指出，蘋果已與 OpenAI 達成協議，在 iPhone 智慧型手機領域導入人工智慧 (AI) 技術。該公司將於 6 月舉行的年度全球開發者大會上，宣佈新款蘋果裝置機型所搭載的 AI 功能。
發佈留言