閱讀本文大概需要 1.14 分鐘

凌晨 OpenAI 在線直播發(fā)布會，推出了一個并不算完全全新的模型：GPT-4o，但看到它的演示效果，著實還是被驚到了。

要知道，原本的 GPT-4 已經(jīng)很牛了，可以分析圖像和文本，甚至能從圖像中提取文本和描述圖像內(nèi)容。但這次，GPT-4o 給它加上了語音功能。

要知道，之前的 ChatGPT 也有過語音版，但問題多多，比如你不能打斷它，聲音聽起來像是個沒吃飽的機器人，完全么得感情，體驗上就很一般，大家還是能直觀感受到機器跟人的區(qū)別。

但這次發(fā)布的這版 GPT-4o 就更「聰明」了，基于 GPT-4 的多模態(tài)能力，變成了一個真正的語音交互助手。

實話說，它的實時語音對話效果太驚艷了，沒有任何停頓處理的間隔，語氣和語調(diào)都更像人類。這就像你在和一個特別健談的朋友聊天，不需要等它完全說完你才能接著說，而是你可以隨時打斷它。還能讓它用各種語音語調(diào)調(diào)整說話的情緒。不僅能說，還能唱歌，這種真實感到什么程度呢？

就是當你看到直播演示里，演示那哥們熄屏中斷 ChatGPT 時，讓人忍不住感到這種打斷是對「她」的不禮貌，你會忍不住想說「能不能別老打斷她說話」？這種情感上的共鳴距離電影《Her》中的 Samantha 又近了一步?？梢韵胂?，情感陪伴行業(yè)又要熱鬧起來了。

另外，讓人印象深刻的，還有實時翻譯這塊，雖然很多人覺得現(xiàn)在翻譯軟件什么的都很多了，但當你看到它演示實時翻譯的時候，你依舊會被驚訝到，那叫一個絲滑，這下出國是真不用愁語言溝通問題了。

除此之外，GPT-4o 還提高了 ChatGPT 的視覺能力。通過攝像頭實時觀察真實世界和屏幕內(nèi)容，GPT-4o 不僅能「看到」，還能「理解」。你可以讓它讀取電腦屏幕上的代碼，它能直接理解并操作，發(fā)送圖片給它，也能迅速得到反饋和相應的描述。

直播過程還演示了做題的，要是小孩做題不懂的，還可以把數(shù)學計算式作為視頻投給 ChatGPT，和實時語音一起使用，同 ChatGPT 討論數(shù)學問題。坦白說我覺得家長能適當帶小孩嘗試使用這些功能，其實還挺有意思的。

之前有朋友就給家里小孩嘗試使用，結(jié)果發(fā)現(xiàn)跟 ChatGPT 交流起來十分順暢，，甚至還激發(fā)了更多的疑問和思考。相比于盯著學校那幾本枯燥的課本，和 ChatGPT 一起「玩」更有趣，更能讓小孩產(chǎn)生更多好奇。

尤其現(xiàn)在 GPT-4o 提供的語音+視頻功能，其實是更便于更多人體驗適應的，畢竟，會打字的人總是少于會說話的人嘛。

這次更讓人驚訝的是，GPT-4o 模型免費給注冊用戶，如果你現(xiàn)在用的是 GPT-3.5 免費版，那你可以直接體驗到有限的 GPT-4o 模型的。另外 GPT-4o API 速度是原版的兩倍，但價格卻便宜一半，并且具有更高的速率限制，這對開發(fā)者來說也很友好了。

最后，盡管有不少人覺得這次發(fā)布會聊勝于無，沒有超出預期，可能因為 AI 更新迭代的速度太快，大家都在期待 ChatGPT-5 這樣的重大更新。但我認為，GPT-4o 的推出實際上具有更深遠的意義。

技術可以不斷更新迭代，但讓 AI 真正融入人們的生活，關鍵在于它在情感上更接近人類，加強應用和人性化能力。語音+視頻呈現(xiàn)的實時交互效果，正是邁向這一目標的重要一步。更重要的是，這次更新降低了用戶的使用成本，讓更多人能夠體驗和適應這些新功能。

有時候慢下來，反而是快，真正的突破不在于技術本身的飛躍，而在于技術如何更貼近生活，讓更多人受益。這種「進步」的深刻性和影響力，不亞于直接推出一個 ChatGPT-5。