GPT-4o正式發(fā)布：免費(fèi)開放使用 語音對話媲美真人

在OpenAI的直播活動(dòng)中，OpenAI推出了新的大語言模型GPT-4o。這是其已經(jīng)問世一年多的GPT-4模型的更新版本。

該模型基于來自互聯(lián)網(wǎng)的大量數(shù)據(jù)進(jìn)行訓(xùn)練，更擅長處理文本和音頻，并且支持50種語言。新模式將面向所有用戶，而不僅僅是付費(fèi)用戶。

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(shí)還會(huì)由于處理方式丟失大量信息，無法識(shí)別笑聲、歌唱聲和情感表達(dá)等。

而GPT-4o可以在232毫秒內(nèi)對音頻輸入做出反應(yīng)，甚至還能隨意打斷，與人類在對話中的反應(yīng)時(shí)間相近，徹底顛覆了以往的“語音助手”。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(jī)交互更加自然、全面了。

GPT-4o的能力還會(huì)向免費(fèi)用戶開放，不過會(huì)限制數(shù)量，免費(fèi)用戶達(dá)到數(shù)量之后，會(huì)自動(dòng)跳回GPT-3.5。GPT-4o還將開放相應(yīng)API給GPT的開發(fā)者，價(jià)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。

GPT-4o的發(fā)布勢將撼動(dòng)快速發(fā)展的人工智能領(lǐng)域，目前GPT-4仍然是黃金標(biāo)準(zhǔn)。OpenAI發(fā)布新模型也正值谷歌I/O開發(fā)者大會(huì)的前一天。谷歌是人工智能領(lǐng)域的早期領(lǐng)導(dǎo)者，預(yù)計(jì)將利用這次活動(dòng)發(fā)布更多人工智能更新，以追趕有微軟公司支持的OpenAI。