“有眼睛、有耳朵、有嘴巴”的AI?OpenAI最新發布!
6個月前
#Tags

  中新網5月14日電(中新財經 吳家駒)不是GPT-5,而是GPT-4o。

  北京時間5月14日,研發ChatGPT的OpenAI公司,推出了具備“聽、看、說”能力的GPT-4o。

  OpenAI網站稱,GPT-4o的“o”代表“omni”。在英語中“omni”常被用作詞根,用來表示“全部”或“所有”的概念。

  該公司首席執行官山姆·奧特曼(Sam Altman)此前已預告,最新發布的產品“不是GPT-5,不是搜索引擎,但我們一直在努力开發一些我們認爲人們會喜歡的新東西”。

  據介紹,GPT-4o可以實時對音頻、視覺和文本進行推理,接受文本、音頻和圖像的任意組合輸入,並生成文本、音頻和圖像的任意組合輸出。

  OpenAI稱,GPT-4o可以在短至232毫秒的時間內對音頻輸入做出反應,平均反應時間爲320毫秒,這與人類在對話中的反應時間相近。此外,它在英語和代碼文本方面的性能與GPT-4 Turbo相當,在非英語語言文本方面也有顯著提高。同時在API(應用程序接口)方面,速度更快,成本也降低了50%。

  現場,OpenAI展示了GPT-4o的多個應用場景。

  例如,在一個演示中,OpenAI前沿研究負責人馬克·陳(Mark Chen)通過手機與ChatGPT進行對話。Chen和ChatGPT說,他正在進行演示有些緊張,於是ChatGPT就“像朋友一樣”,對他進行了安慰。同時,ChatGPT還能從Chen急促的喘氣聲中,聽出他的緊張,然後對他說“慢一點。Mark,你不是吸塵器。吸氣,然後數到四。”

GPT-4o檢測人的表情。圖自X平台

  在另一個演示中,OpenAI後訓練團隊負責人巴雷特·佐夫(Barret Zoph)把自己的臉對着鏡頭,讓GPT-4o看看自己的情緒如何。在演示的過程中,Zoph先打开了手機的後置攝像頭,拍到了木質桌面,於是ChatGPT說,“我看到的好像是木質表面。”而讓ChatGPT再試一次後,ChatGPT對Zoph說,“你看起來很开心,笑容燦爛,也許還有一絲興奮。”

  同時,OpenAI還在官網發布了一系列演示視頻:GPT-4o可以幫助學習數學、學習西班牙語、准備面試,可以通過畫面判斷出你正在過生日,然後給你唱生日快樂歌,可以根據要求唱不同風格的催眠曲,甚至還可以當“石頭剪刀布”的裁判。而在這些視頻中,GPT-4o與演示者的對話流暢,說話語氣就“像真人一樣”。

  有網友表示,根據目前展示的視頻來看,GPT-4o在語音交互體驗上提升了不少。有網友認爲,GPT-4o對算力的需求更大了。也有網友提出,既然GPT-4o具備了“視覺”,它是否可以代替盲人看世界。

  OpenAI稱,通過GPT-4o,公司跨文本、視覺和音頻端到端地訓練了一個新模型,這意味着所有的輸入和輸出都由同一個神經網絡處理。由於GPT-4o是OpenAI第一個結合了所有這些模式的模型,因此公司在探索該模型的功能及其局限性方面仍處於起步階段。

  對此,山姆·奧特曼在社交媒體表示,最初的ChatGPT展示了語言界面的雛形,而新的ChatGPT則給人截然不同的感覺。它快速、智能、有趣、自然,而且“樂於助人”。“隨着我們增加(可選的)個性化功能、訪問信息的功能、代表你採取行動的功能等,我真的看到了一個令人興奮的未來,我們可以用電腦做比以往更多的事情。”

鄭重聲明:本文版權歸原作者所有,轉載文章僅為傳播信息之目的,不構成任何投資建議,如有侵權行為,請第一時間聯絡我們修改或刪除,多謝。



標題:“有眼睛、有耳朵、有嘴巴”的AI?OpenAI最新發布!

地址:https://www.breakthing.com/post/128534.html