為什么叫做GPT-4o？這里的「o」代表了英文單詞：Omni，代表了全能。不得不說，生成式AI又朝著AGI邁出了一大步，正如OpenAI首席執(zhí)行官Sam Altman所說：這是一個魔法一樣的新功能。

關(guān)鍵是：GPT-4o的能力向免費用戶開放（但會限制數(shù)量，免費用戶達(dá)到數(shù)量之后，會自動跳回GPT-3.5）。

北京時間5月14日凌晨，OpenAI召開了一個不到30分鐘的發(fā)布會，正式發(fā)布了新的AI模型：GPT-4o，除了可以給普通用戶使用之外，還將開放相應(yīng)API給GPT的開發(fā)者，比原來的GPT 4-Turbo 快 2 倍，價格便宜 50%。

已經(jīng)支持50種語言。

首先，發(fā)布會展示了GPT-4o在實時語音對話上的表現(xiàn)。這次用戶能夠隨時打斷GPT-4o，隨時插話，并獲得AI模型的實時響應(yīng)，不必在尷尬的等待2-3秒。

在對話過程中，GPT-4o可以捕捉到用戶語音中蘊(yùn)含的情緒，并根據(jù)這些情緒調(diào)整GPT-4o的AI語音風(fēng)格，使之實現(xiàn)更加情緒化、戲劇化的表達(dá)，這個新升級，讓GPT-4o更像是一個交流自然且具備共情能力的AI聊天機(jī)器人。

結(jié)合數(shù)據(jù)：GPT-4o 可以在 232 毫秒內(nèi)回應(yīng)用戶的音頻輸入，這個速度已經(jīng)非常接近人類交流時的反應(yīng)時間。

接下來在多模態(tài)輸入方面，GPT-4o提升了視覺信息的實時處理能力。

用戶通過手機(jī)攝像頭、實時共享屏幕等方式，就可以讓GPT-4o掃描各種視覺信息，包括文本、圖表、外部信息等等，與GPT-4o進(jìn)行視頻互動。

簡單說，這就像是用戶在給GPT-4o打“視頻通話”，并在它的幫助下解決各類問題，比如說實時幫孩子輔導(dǎo)作業(yè)、掃描文件等等。GPT-4o可以通過攝像頭捕捉用戶表情，借此判斷他此時的情緒，給出相應(yīng)建議。

請注意，這里是指語音和視頻的同時交互，所以說：GPT-4o對多模態(tài)交互的支持能力變得更強(qiáng)，使之更貼近一個全能型的個人智能助手。

在未來幾周內(nèi)，GPT-4o會逐步向所有人開放，與此同時，OpenAI還發(fā)布了ChatGPT的桌面版（首先是MacOS，Windows平臺要在今年晚些時候發(fā)布）。

發(fā)布會后，OpenAI首席執(zhí)行官Sam Altman表示：“新的語音（和視頻）模式是我用過的最好的計算機(jī)界面。感覺（GPT-4o）就像電影中的人工智能；對我來說，它是真實的有點讓人驚訝。（GPT-4o）可以達(dá)到媲美人類的響應(yīng)時間和表現(xiàn)力被證明是一個很大的變化。”

沒錯，新的GPT-4o朝著更自然的人機(jī)交互又邁出了一大步。

當(dāng)然，此時最開心應(yīng)該還是微軟。