OpenAI模型終于更新！強大視聽能力的GPT-4o將面向所有用戶，其前身正是神秘的gpt2！原創(chuàng)

51CTO技術(shù)棧

發(fā)布于 2024-5-14 13:48

瀏覽

0收藏

編輯 | 伊風

出品 | 51CTO技術(shù)棧（微信號：blog51cto）

春季終于如約而至！GPT系列的模型終于等到了久違的更新——GPT-4o浮出水面。

而且此前頗具神秘氣息的“im-also-a-good-gpt2-chatbot”，正是其測試版本。

本場更新并未見到奧特曼的身影，而是由OpenAI CTO 穆里-穆拉提（Muri Murati）主持。此前她曾因為在采訪中對OpenAI的訓練數(shù)據(jù)語焉不詳而受到過一些爭議。

OpenAI在春季發(fā)布上都說了啥呢？一句話概括，GPT-4o更快、更多模態(tài)、而且更加便宜了！

OpenAI模型終于更新！強大視聽能力的GPT-4o將面向所有用戶，其前身正是神秘的gpt2！-AI.x社區(qū) 圖片

1.最新模型GPT-4o

讓奧特曼直呼“amazing work”的模型更新來了！

OpenAI模型終于更新！強大視聽能力的GPT-4o將面向所有用戶，其前身正是神秘的gpt2！-AI.x社區(qū) 圖片

可以看到GPT-4o的性能一騎絕塵。（題外話，通義千問大模型在這張圖的右側(cè)默默上榜了）。

新的大型語言模型是在互聯(lián)網(wǎng)的海量數(shù)據(jù)基礎上訓練出來的，將更擅長處理文本和音頻，并可處理 50 種語言。

OpenAI 更新的 GPT-4o 生成式人工智能模型，將在未來幾周內(nèi)正式面向開發(fā)者和消費者推出。新模型將面向所有用戶，穆拉提補充說，付費用戶將繼續(xù) "擁有五倍于免費用戶的容量限制"。

OpenAI 首席技術(shù)官穆里-穆拉提（Muri Murati）說，GPT-4o 提供了 "GPT-4 級 "的智能，但改進了 GPT-4 在文本、視覺和音頻方面的能力。

"穆拉提在 OpenAI 辦公室舉行的主題演講中說："GPT-4o 的優(yōu)勢在于它能跨越語音、文本和視覺。"這一點非常重要，因為我們正在展望人類與機器互動的未來。

GPT-4是OpenAI之前的領(lǐng)先模型，它是由圖像和文本組合訓練而成的，可以分析圖像和文本，完成從圖像中提取文本甚至描述圖像內(nèi)容等任務。但 GPT-4o 在此基礎上增加了語音功能。

這吻合了此前大家猜測的方向：“ChatGPT+Voice Agent”！

OpenAI模型終于更新！強大視聽能力的GPT-4o將面向所有用戶，其前身正是神秘的gpt2！-AI.x社區(qū) 英偉達的科學家Jim Fan在更新直播前的預測

2.GPT-4o強大的“視聽”能力

OpenAI 首席執(zhí)行官山姆-阿爾特曼（Sam Altman）發(fā)布消息稱，該模型是 "原生多模態(tài) "的，這意味著該模型可以生成內(nèi)容或理解語音、文本或圖像命令。

GPT-4o在語音方面具體可以實現(xiàn)什么呢？

GPT-4o 極大地改善了 ChatGPT 的體驗--ChatGPT 是 OpenAI 的病毒式人工智能聊天機器人。ChatGPT 長期以來一直提供語音模式，使用文本到語音模型轉(zhuǎn)錄 ChatGPT 中的文本。但 GPT-4o 對此進行了改進，讓用戶可以更像使用助手一樣與 ChatGPT 互動。

例如，用戶可以向由 GPT-4o 支持的 ChatGPT 提問，并在 ChatGPT 回答時打斷它。OpenAI 表示，該模型可以提供 "實時 "響應，甚至可以捕捉用戶聲音中的情感，并生成 "一系列不同情感風格 "的語音。

GPT-4o 還提高了 ChatGPT 的視覺能力。如果給定一張照片或一個桌面屏幕，ChatGPT 現(xiàn)在可以快速回答相關(guān)問題，從 "這個軟件代碼是怎么回事 "到 "這個人穿的是什么牌子的襯衫？"

"穆拉提說："我們知道這些模型越來越復雜，但我們希望交互體驗實際上變得更加自然、輕松，讓你完全不用關(guān)注用戶界面，而只關(guān)注與 [GPT] 的協(xié)作。

OpenAI 聲稱，GPT-4o 的多語言性也更強，在 50 種不同語言中的性能都有所提高。Altman 在 X 上補充說，想要使用 GPT-4o 的開發(fā)者可以訪問 API，其價格是 GPT-4-turbo 的一半，速度是 GPT-4-turbo 的兩倍。