5月14日消息，在今天凌晨的OpenAI發布會上，最新升級的大模型GPT-4o正式發布。
GPT-4o的“o”代表“omni”。該詞意為“全能”，源自拉丁語“omnis”，在英語中“omni”常被用作詞根，用來表示“全部”或“所有”的概念。
GPT-4o可以實時對音頻、視覺和文本進行推理，能處理超過50種不同的語言，并且速度和質量大大提升。
此前GPT-3.5語音對話的平均延遲為2.8秒、GPT-4為5.4秒，音頻在輸入時還會由于處理方式丟失大量信息，無法識別笑聲、歌唱聲和情感表達等。
而GPT-4o可以在232毫秒內對音頻輸入做出反應，甚至還能隨意打斷，與人類在對話中的反應時間相近，徹底顛覆了以往的“語音助手”。
GPT-4o在現場充當實時翻譯也是相當的絲滑，意大利語和英語即聽即翻。
最重要的是，GPT-4o還可以接受文本、音頻和圖像三者組合作為輸入，并生成文本、音頻和圖像的任意組合輸出，人機交互更加自然、全面了。
GPT-4o的能力還會向免費用戶開放，不過會限制數量，免費用戶達到數量之后，會自動跳回GPT-3.5。
GPT-4o還將開放相應API給GPT的開發者，價格是GPT-4-turbo的一半，速度卻是GPT-4-turbo的兩倍，速率限制也高5倍。
官方表示，GPT-4o將會在未來幾周內陸續開放。
此外，OpenAI還推出了ChatGPT的桌面版應用，不過目前只有MacOS版本，Windows版要稍晚一些亮相。
本站內容除特別聲明的原創文章之外，轉載內容只為傳遞更多信息，并不代表本網站贊同其觀點。轉載的所有的文章、圖片、音/視頻文件等資料的版權歸版權所有權人所有。本站采用的非本站原創文章及圖片等內容無法一一聯系確認版權者。如涉及作品內容、版權和其它問題，請及時通過電子郵件或電話通知我們，以便迅速采取適當措施，避免給雙方造成不必要的經濟損失。聯系電話：010-82306118；郵箱：aet@chinaaet.com。