識(shí)別人類情緒、實(shí)時(shí)回答更健談！GPT-4o發(fā)布或開(kāi)啟人工智能交互新潮流
OpenAI又迎來(lái)升級(jí)，搖身一變成了人工智能語(yǔ)音助手。
北京時(shí)間周二凌晨1點(diǎn)， 人工智能（AI）巨頭OpenAI舉行春季發(fā)布會(huì)。公司首席技術(shù)官M(fèi)ira Murati帶來(lái)了多項(xiàng)與ChatGPT有關(guān)的更新。
本次發(fā)布會(huì)要點(diǎn)：
新的 GPT-4o 模型：打通任何文本、音頻和圖像的輸入，相互之間可以直接生成，無(wú)需中間轉(zhuǎn)換
GPT-4o 語(yǔ)音延遲大幅降低，能在 232 毫秒內(nèi)回應(yīng)音頻輸入，平均為 320 毫秒，這與對(duì)話中人類的響應(yīng)時(shí)間相似。
GPT-4o 向所有用戶免費(fèi)開(kāi)放
GPT-4o API，比 GPT 4-Turbo 快 2 倍，價(jià)格便宜 50%
驚艷的實(shí)時(shí)語(yǔ)音助手演示：對(duì)話更像人、能實(shí)時(shí)翻譯，識(shí)別表情，可以通過(guò)攝像頭識(shí)別畫面寫代碼分析圖表
ChatGPT 新 UI，更簡(jiǎn)潔
一個(gè)新的 ChatGPT 桌面應(yīng)用程序，適用于 macOS，Windows 版本今年晚些時(shí)候推出
整場(chǎng)發(fā)布會(huì)中，最吸引人的莫過(guò)于GPT-4o 模型。
據(jù)OpenAI表示，GPT-4o是一個(gè)“原生多模態(tài)”模型，它的命名來(lái)源于“omni”，即包羅萬(wàn)象之意。
比起此前要么是圖文模式要么是語(yǔ)音模式的GPT-4，它更擅長(zhǎng)打組合拳，可以接受文字、音頻、圖像的任意組合輸入，然后無(wú)縫銜接圖文音頻的多種形式輸出。
GPT4o可檢測(cè)人的情緒
OpenAI聯(lián)合創(chuàng)始人奧特曼曾表示，“多模態(tài)交互能力非常強(qiáng)大，比如可以問(wèn)：‘嘿，ChatGPT，我正在看什么’或‘我不太確定這是哪種植物。’”
“我期望的是一種始終處于激活狀態(tài)，且極易使用的設(shè)備，可以通過(guò)語(yǔ)音、文字，或者更理想的其他狀態(tài)，來(lái)理解我的需求?！眾W特曼表示，“設(shè)想有個(gè)系統(tǒng)能全天輔助我，盡可能多地去收集上下文信息，成為世界上最出色的助理，不斷地幫助我提升自我。”
通過(guò)響應(yīng)速度的大幅提升，該模型在語(yǔ)音模式下，已經(jīng)可以達(dá)到“實(shí)時(shí)”響應(yīng)的狀態(tài)，不再需要尷尬地等上幾秒鐘，等ChatGPT給出一個(gè)回答。
換句話說(shuō)，用戶可以與ChatGPT像真人一樣聊天——在機(jī)器人回應(yīng)的過(guò)程中打斷它，提出更多的要求（例如轉(zhuǎn)變?cè)掝}、要求機(jī)器人改變語(yǔ)音語(yǔ)調(diào)），再也不需要等待機(jī)器人完成上一個(gè)問(wèn)題的回復(fù)后，再提出新的問(wèn)題。
發(fā)布會(huì)上，主持人與ChatGPT寒暄幾句，它能夠從對(duì)方的喘氣聲中理解“緊張”的含義，并且指導(dǎo)他進(jìn)行深呼吸。
隨后，主持人開(kāi)了攝像頭，拍了白紙上一道題目，請(qǐng)ChatGPT實(shí)時(shí)幫忙解一個(gè)一元方程題，又解讀了一幅氣溫圖表。除了圖像識(shí)別和解題能力外，ChatGPT展現(xiàn)了實(shí)時(shí)根據(jù)影像變化，與人們實(shí)時(shí)互動(dòng)的能力。
主持人還展示了和ChatGPT進(jìn)行意大利語(yǔ)、英語(yǔ)的對(duì)話聊天，ChatGPT毫不費(fèi)力地就能充當(dāng)兩人的現(xiàn)場(chǎng)翻譯員，實(shí)時(shí)準(zhǔn)確地翻譯出對(duì)話內(nèi)容。
用戶無(wú)需注冊(cè)即可使用ChatGPT
此外，OpenAI宣布，將允許用戶直接使用ChatGPT，而無(wú)需注冊(cè)該項(xiàng)服務(wù)，同時(shí)ChatGPT的免費(fèi)用戶也能用上最新發(fā)布的GPT-4o模型（更新前只能使用GPT-3.5），來(lái)進(jìn)行數(shù)據(jù)分析、圖像分析、互聯(lián)網(wǎng)搜索、訪問(wèn)應(yīng)用商店等操作。這也意味著GPT應(yīng)用商店的開(kāi)發(fā)者，將面對(duì)海量的新增用戶。
當(dāng)然，付費(fèi)用戶將會(huì)獲得更高的消息限制，至少是免費(fèi)用戶的5倍。當(dāng)免費(fèi)用戶用完消息數(shù)量后，ChatGPT將自動(dòng)切換到 GPT-3.5。另外，OpenAI將在未來(lái)1個(gè)月左右向Plus用戶推出基于GPT-4o改進(jìn)的語(yǔ)音體驗(yàn)，目前GPT-4o的API并不包含語(yǔ)音功能。
蘋果用戶迎來(lái)ChatGPT桌面應(yīng)用
最后，蘋果電腦用戶將迎來(lái)一款為macOS設(shè)計(jì)的ChatGPT桌面應(yīng)用，用戶可以通過(guò)快捷鍵“拍攝”桌面并向ChatGP提問(wèn)，OpenAI表示，Windows版本將在今年晚些時(shí)候推出。
OpenAI 還表示，ChatGPT 還優(yōu)化了用戶界面，有了全新的界面。OpenAI 的演示顯示，用戶可以將處于最小化窗口的 ChatGPT 桌面應(yīng)用與其他程序并排打開(kāi)。用戶可以通過(guò)輸入或語(yǔ)音的方式向 ChatGPT 提問(wèn)屏幕上顯示的內(nèi)容，ChatGPT 則能根據(jù)其“所見(jiàn)” 進(jìn)行回答。
對(duì)于蘋果用戶，人們可以通過(guò) Option + 空格鍵向 ChatGPT 提問(wèn)，并且可以在應(yīng)用內(nèi)截取和討論屏幕截圖。
參考來(lái)源：潮新聞客戶端、機(jī)器之心、果殼、GitHub愛(ài)好者社區(qū)等
整理：段大衛(wèi)
北京科技報(bào)微信
北京科技報(bào)客戶端
