DoNews5月14日消息，OpenAI北京時間昨晚發布了一款名為GPT-4o的新旗艦生成式人工智能模型，并計劃在未來幾周內逐步在其各種產品中推出。

OpenAI的首席技術官Muri Murati介紹說，GPT-4o在保持GPT-4級別的智能的同時，對文本、視覺和音頻功能進行了改進，所有用戶均可免費使用，而付費用戶的容量限制是免費用戶的五倍。

Murati在OpenAI辦公室的一次主題演講中提到，GPT-4o跨越了語音、文本和視覺的多個領域。OpenAI將推出桌面版ChatGPT及全新用戶界面。

GPT-4是OpenAI之前的領先模型，它集成了圖像和文本功能，能夠分析圖像和文本，完成從提取圖像中的文本到描述圖像內容等任務。而GPT-4o在此基礎上增加了語音功能。

這一改進帶來了哪些新功能？包括但不限于以下幾點：

GPT-4o顯著提升了ChatGPT的使用體驗—ChatGPT是OpenAI的人工智能聊天機器人。雖然ChatGPT長期支持語音模式，將ChatGPT 的文本轉為語音，但GPT-4o在此基礎上進行了優化，使用戶能夠更像與助手互動一樣自然地使用ChatGPT。

例如，用戶現在可以在ChatGPT回答問題時中斷它，而OpenAI表示，新模型能夠提供“實時”響應，甚至能夠捕捉到用戶聲音中的情感，并以不同的情感風格生成語音。

GPT-4o還增強了ChatGPT的視覺功能。通過照片或屏幕截圖，ChatGPT現在可以迅速回答相關問題，從“這段代碼是做什么用的”到“這個人穿的是什么品牌的襯衫”。

從即日起，GPT-4o將在ChatGPT的免費版本中提供，而OpenAI的高級版本ChatGPT Plus和Team用戶則可享有“五倍消息限制”的優勢，企業選項也將“即將推出”(當用戶達到使用閾值時，系統將自動轉為使用 GPT-3.5)。OpenAI表示，計劃在下月左右為Plus用戶推出改良后的GPT-4o語音體驗。

OpenAI還表示，GPT-4o的多語言功能得到了增強，在50種不同的語言中表現更佳。在OpenAI的API中，GPT-4o的處理速度是GPT-4（特別是 GPT-4 Turbo）的兩倍，價格則是GPT-4 Turbo的一半，同時擁有更高的速率限制。

用戶只需發出簡單的“嘿，ChatGPT”語音提示，即可獲得代理的口語回應。然后，用戶可以用口語提交查詢，并在必要時附上文字、音頻或視覺效果——后者可包括照片、手機攝像頭的實時畫面或代理能“看到”的任何其他內容。

在音頻輸入方面，人工智能的平均響應時間為320毫秒，與人類的對話響應時間類似。

目前，GPT-4o的應用程序接口中尚未為所有客戶提供語音功能。鑒于濫用風險，OpenAI計劃在未來幾周內首先向“一小部分可信賴的合作伙伴”推出對GPT-4o新音頻功能的支持。

其他方面，OpenAI將在網絡上發布全新的ChatGPT UI，新的主屏幕和消息布局“更具對話性”，同時還將發布桌面版的ChatGPT for Mac，用戶可以通過鍵盤快捷鍵向ChatGPT提問，也可以通過打字或說話截圖并進行討論（從今天開始，Plus用戶將首先獲得訪問權限，Windows版本的應用程序將于今年晚些時候推出）。

此外，ChatGPT的免費用戶現在還可以訪問GPT Store（OpenAI 基于其人工智能模型構建的第三方聊天機器人庫）。

GPT-4o的文本和圖像功能已經開始向付費的ChatGPT Plus和Team用戶推出，企業用戶也即將推出。免費用戶也將開始使用，但有使用限制。

語音版GPT-4o將“在未來幾周內”開始提供。開發人員將能夠使用GPT-4o的文本和視覺模式，并在未來幾周內向“一小部分值得信賴的合作伙伴”提供音頻和視頻功能。