SERVICE PHONE
18632604608
SERVICE PHONE
18632604608發(fā)布時(shí)間：2024-05-14 13:42:45 點(diǎn)擊量：
球盟會(huì)官方網(wǎng)入口OpenAI推出新一代AI模型GPT-4o 音頻視頻理解能力尚無(wú)敵手【TechWeb】5月14日消息，據(jù)外媒報(bào)道，在今日凌晨1點(diǎn)開(kāi)始的春季更新中，OpenAI宣布了他們新一代的旗艦?zāi)Ｐ虶PT-4o，可以利用語(yǔ)音、視頻和文本信息進(jìn)行實(shí)時(shí)推理。
從OpenAI在官網(wǎng)上公布的信息來(lái)看，GPT-4o中的“o”源自“omni”，也就是全面、全能的意思，朝著更自然的人機(jī)交互又邁出了關(guān)鍵一步。
而GPT-4o也的確如名字中“omni”的全能一樣，是一款能力更全面的大語(yǔ)言模型，打通了文本、音頻和圖像，接受任何文本、音頻和視頻的組合輸入，并生成文本、音頻和視頻的組合輸出。
OpenAI在官網(wǎng)上披露，GPT-4o在英文文本和代碼中的表現(xiàn)與GPT-4 Turbo相當(dāng)，但在非英文文本上的能力大幅提升，在視頻和音頻的理解上，GPT-4o要明顯強(qiáng)于當(dāng)前的其他模型。
在官網(wǎng)上，OpenAI提到，在GPT-4o之前，通過(guò)語(yǔ)音模式同ChatGPT對(duì)話時(shí)，有較長(zhǎng)時(shí)間的延遲，GPT-3.5平均為2.8秒，GPT-4平均為5.4秒。而由三個(gè)獨(dú)立模式組成的語(yǔ)音模式，也丟失了大量信息，無(wú)法直接識(shí)別音調(diào)、多個(gè)說(shuō)話者或背景噪音，也無(wú)法輸出笑聲、歌唱或表達(dá)情感。
但在GPT-4o中，OpenAI訓(xùn)練一個(gè)跨文本、音頻和視頻的端到端新模型，所有的輸入和輸出都是由同一神經(jīng)網(wǎng)絡(luò)處理，GPT-4o也是他們首個(gè)整合了個(gè)文本、音頻和視頻模式的模型，
能力更全面的GPT-4o，響應(yīng)速度也更快，最快232毫秒響應(yīng)音頻輸入，平均響應(yīng)時(shí)間為320毫秒，與人類在對(duì)話中的響應(yīng)速度相當(dāng)。
除了更強(qiáng)、更全面的能力，OpenAI也在推動(dòng)GPT-4o更廣泛的應(yīng)用。GPT-4o的文本和圖片功能自推出之日起就向ChatGPT推送，ChatGPT用戶可免費(fèi)使用，ChatGPT Plus用戶的數(shù)據(jù)量上限將是免費(fèi)用戶的5倍，新版本的音頻模式將在未來(lái)幾周向ChatGPT Plus用戶推送。
OpenAI周二凌晨1點(diǎn)開(kāi)始的春季更新，是由CTO Mira Murati主持進(jìn)行，登臺(tái)的還有兩位研發(fā)人員，公司CEO薩姆?奧特曼并未登場(chǎng)。
不過(guò)球盟會(huì)官方網(wǎng)入口，未現(xiàn)身直播的薩姆?奧特曼，在社交媒體上對(duì)GPT-4o也進(jìn)行了推廣。他在社交媒體上就表示，他們最新的模型GPT-4o，是他們到目前為止最好的模型，它很聰明、速度很快，是天然的多模態(tài)。
薩姆?奧特曼在社交媒體上也提到，GPT-4o對(duì)所有的ChatGPT用戶免費(fèi)，而此前GPT-4級(jí)別的模型僅對(duì)按月付費(fèi)的用戶免費(fèi)。
而值得注意的是，OpenAI在周二凌晨推出能力更全面的GPT-4o，無(wú)疑會(huì)給谷歌帶來(lái)更大的壓力，谷歌2024年度的I/O開(kāi)發(fā)者大會(huì)，將在當(dāng)?shù)貢r(shí)間周二開(kāi)始，外界預(yù)計(jì)他們會(huì)推出大量人工智能相關(guān)的產(chǎn)品。(海藍(lán))
每日頭條、業(yè)界資訊、熱點(diǎn)資訊、八卦爆料，全天跟蹤微博播報(bào)。各種爆料、內(nèi)幕、花邊、資訊一網(wǎng)打盡。百萬(wàn)互聯(lián)網(wǎng)粉絲互動(dòng)參與，TechWeb官方微博期待您的關(guān)注。