OpenAI 免费推出世界上最强大的模型 GPT-4o

小熊猫

GPT-4o ("o"代表"omni") 就是 AI 竞技场中神秘的"gpt2-chatbot"，公众评审结果为断崖式世界第一。与 GPT-4 Turbo 相比，GPT-4o 价格降低一半，速度提高 2 倍。为了确保人人能从 AI 中受益，OpenAI 将向世界免费提供 GPT-4o。

不像曾经的多个模型合作方案，GPT-4o 由单一神经网络同时处理文本、音频和图像。它可以区分多个特定说话者，识别音调或背景噪音，还可以自由切换声线，输出笑声、歌唱或表达情感。GPT-4o可以实时对音频、视觉和文本进行推理，能处理超过50种不同的语言，并且速度和质量大大提升。

在视觉方面，GPT-4o 可以指定细节生成/编辑图像，如按特定顺序堆叠不同颜色和不同数字的积木、将多角度照片合成为 3D 模型、使一致的人物/物体出现在不同的场景中，又或者以纹身的样式将整首古诗编辑到你的手臂上。

此前GPT-3.5语音对话的平均延迟为2.8秒、GPT-4为5.4秒，音频在输入时还会由于处理方式丢失大量信息，无法识别笑声、歌唱声和情感表达等。而GPT-4o可以在232毫秒内对音频输入做出反应，甚至还能随意打断，与人类在对话中的反应时间相近，彻底颠覆了以往的“语音助手”