OpenAI發(fā)布GPT-4o：可免費(fèi)開(kāi)放使用 語(yǔ)音對(duì)話媲美真人

5月14日消息，在今天凌晨的OpenAI發(fā)布會(huì)上，最新升級(jí)的大模型GPT-4o正式發(fā)布。

GPT-4o的“o”代表“omni”。該詞意為“全能”，源自拉丁語(yǔ)“omnis”，在英語(yǔ)中“omni”常被用作詞根，用來(lái)表示“全部”或“所有”的概念。

GPT-4o可以實(shí)時(shí)對(duì)音頻、視覺(jué)和文本進(jìn)行推理，能處理超過(guò)50種不同的語(yǔ)言，并且速度和質(zhì)量大大提升。

此前GPT-3.5語(yǔ)音對(duì)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(wú)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(duì)音頻輸入做出反應(yīng)，甚至還能隨意打斷，與人類在對(duì)話中的反應(yīng)時(shí)間相近，徹底顛覆了以往的“語(yǔ)音助手”。

GPT-4o在現(xiàn)場(chǎng)充當(dāng)實(shí)時(shí)翻譯也是相當(dāng)?shù)慕z滑，意大利語(yǔ)和英語(yǔ)即聽(tīng)即翻。

最重要的是，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(kāi)放，不過(guò)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(kāi)放相應(yīng)API給GPT的開(kāi)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。

官方表示，GPT-4o將會(huì)在未來(lái)幾周內(nèi)陸續(xù)開(kāi)放。

此外，OpenAI還推出了ChatGPT的桌面版應(yīng)用，不過(guò)目前只有MacOS版本，Windows版要稍晚一些亮相。