中文字幕无码av不卡一区,亚洲综合AV永久无码精品一区二区,黑人巨大白妞出浆,黄色高清无码免费看,久久久久免费精品国产,久久无码人妻丰满熟妇区毛片,欧美日韩国产综合草草,久久福利网站,亚洲一区二区三区中文字幕在线,av国内精品久久久久影院

在谷歌開發(fā)者大會(huì)前一天，預(yù)熱已久的OpenAI正式向公眾發(fā)布了語音大模型GPT-4o，除了全新的大模型，OpenAI也正式宣布推出ChatGPT桌面版。一起來看看本文的分享。

在過去的幾年里，我們一直非常專注于提高這些模型的智能……但這是我們第一次在易用性方面真正邁出一大步。

繼文生視頻模型Sora之后，OpenAI再一次給外界帶來驚喜。這一次，OpenAI向世人展現(xiàn)了強(qiáng)大且絲滑的語音對(duì)話等多模態(tài)能力。

北京時(shí)間5月14日凌晨1點(diǎn)，在谷歌開發(fā)者大會(huì)前一天，預(yù)熱已久的OpenAI正式向公眾發(fā)布了語音大模型GPT-4o（omnimodle，全能模型），可以綜合利用語音、文本和視覺信息進(jìn)行推理，扮演一個(gè)個(gè)人語音交互助手。而且，OpenAI將會(huì)對(duì)這一模型免費(fèi)向公眾開放。

除了全新的大模型，OpenAI也正式宣布推出ChatGPT桌面版，“從今天開始，我們將首先向Plus用戶推出macOS應(yīng)用，并在未來幾周內(nèi)向更廣泛的用戶開放。我們還計(jì)劃在今年晚些時(shí)候推出Windows版本?！?/p>

一、情感化、對(duì)話絲滑，效果令人震撼

發(fā)布會(huì)全程只持續(xù)了26分鐘，OpenAI CEO奧特曼沒有現(xiàn)身，由公司CTO和兩位工程師來發(fā)布。它的界面是一個(gè)巨大的黑點(diǎn)，但現(xiàn)場(chǎng)演示的幾個(gè)GPT4o對(duì)話場(chǎng)景卻令人感到驚艷。

整個(gè)對(duì)話的過程非常絲滑，不僅能說能聽能看，還會(huì)有情緒的變化，就像是和一個(gè)真實(shí)的人在打視頻電話。

而通過OpenAI現(xiàn)場(chǎng)演示的幾個(gè)場(chǎng)景，我們也仿佛看到了《Her》的場(chǎng)面，科幻正在成為現(xiàn)實(shí)。

場(chǎng)景一：緩解情緒

演示嘉賓說自己現(xiàn)在有點(diǎn)緊張要如何緩解，大模型立馬安撫他別緊張，慢下來，可以深呼吸。然后演示嘉賓故意做出非常夸張且急促的呼吸聲。大模型很快糾正了這種不正確的呼吸方式，在它的指導(dǎo)下如何緩慢地呼氣和吸氣。

場(chǎng)景二：講睡前故事

要求大模型講一個(gè)關(guān)于機(jī)器人與愛的睡前故事。正當(dāng)大模型講得正起勁時(shí)，主持人趕緊打斷，提出聲音要更有感情，大模型很快切換到了非常有戲劇性的聲音。結(jié)果話還沒說完，一位嘉賓接過話題，提出聲音需要更有沖擊力，大模型便以一種非?？鋸埖目谖抢^續(xù)講述著剛才的睡前故事。但是，對(duì)大模型的考驗(yàn)還沒有結(jié)束，另一位嘉賓又提出要切換到機(jī)器人的聲音。很快，大模型就開始模仿機(jī)器人的腔調(diào)繼續(xù)講述。最終，大模型被要求以演唱一首歌結(jié)束了對(duì)話。

場(chǎng)景三：解代數(shù)方程

演示嘉賓在紙上寫了一個(gè)簡(jiǎn)單的方程式，要求語音助手通過攝像頭獲得視覺能力后，實(shí)時(shí)視頻指導(dǎo)數(shù)學(xué)解題。

大模型剛開始還出現(xiàn)了“幻覺”，在沒打開攝像頭時(shí)就自信滿滿地說理解了。當(dāng)演示嘉賓提示后，她才說“oops，我太興奮了?！比缓蟠竽Ｐ鸵徊揭徊教嵝押椭v解他的解題思路。整個(gè)過程，大模型就像一個(gè)很有經(jīng)驗(yàn)且富有耐心的數(shù)學(xué)老師。

媽媽再也不用擔(dān)心我的學(xué)習(xí)了。

場(chǎng)景四：根據(jù)外表判斷情緒

演示嘉賓拿著手機(jī)攝像頭對(duì)著自己的臉和大模型對(duì)話，大模型很快通過識(shí)別視頻中的人物表情給出了自己的判斷。大模型說，你看起來很開心，帶著燦爛的笑容，甚至有一絲興奮，你能分享你快樂的來源嗎？當(dāng)演示嘉賓說，開心是因?yàn)橐故灸愣嗝从杏煤蛷?qiáng)大時(shí)，大模型甚至表現(xiàn)出了一絲絲的嬌羞。

在這個(gè)場(chǎng)景的演示中還出現(xiàn)了一個(gè)插曲，演示嘉賓一開始打開的是后置攝像頭，拍到的是一張桌子，大模型說“這看起來像是一個(gè)木板的表面”。演示嘉賓很快說自己拍錯(cuò)了畫面，然后轉(zhuǎn)換成前置攝像頭開始自拍，大模型也快速反應(yīng)過來。

總結(jié)一下OpenAI語音大模型在演示中的幾個(gè)特點(diǎn)：

一是快，快速反應(yīng)，幾乎沒有時(shí)延，而且語速跟正常人沒有差別，仿佛在跟一個(gè)真實(shí)的人類在打電話。而此前，用戶使用語音功能與ChatGPT對(duì)話時(shí)，GPT-3.5的平均延遲為2.8秒，GPT-4為5.4秒。

二是可以隨時(shí)打斷，不用等它回答完，直接打斷，也能快速接著最新的話題往下聊，非常絲滑；

三是可以捕捉情緒變化，比如能判斷對(duì)方急促的呼吸方式不對(duì)。而且也可以扮演不同的角色，比如戲劇性的語氣，或者冰冷的機(jī)器人的聲音，切換自如。

四是多模態(tài)的能力很強(qiáng)，比如你可以用意大利語提問，然后要求對(duì)方用英語回答，比如可以寫一個(gè)方程式，語音助手可以通過手機(jī)攝像頭識(shí)別后，一步步教你解題步驟。甚至還可以用攝像頭對(duì)著自己，語音助手可以識(shí)別圖像來判斷你現(xiàn)在的情緒。從“軟件代碼中發(fā)生了什么？”到“這個(gè)人穿什么牌子的襯衫？”，大模型都能通過多模態(tài)的能力，很好地回答。

OpenAI 首席技術(shù)官穆里·穆拉蒂 (Muri Murati) 表示，GPT-4o將提供與GPT-4同等水平的智能，但在文本、圖像以及語音處理方面均取得了進(jìn)一步提升，“GPT-4o可以綜合利用語音、文本和視覺信息進(jìn)行推理?！?/p>

對(duì)于這一模型，OpenAI并沒有像Sora一樣，遲遲未對(duì)公眾開放使用。OpenAI宣布GPT-4o將在未來幾周內(nèi)分階段集成至OpenAI的各個(gè)產(chǎn)品之中。更關(guān)鍵的是，GPT-4o將免費(fèi)提供給所有用戶使用，付費(fèi)用戶則可以享受五倍的調(diào)用額度。

同時(shí)，OpenAI同步開放了最新大模型的API接口的調(diào)用，價(jià)格方也便宜不少。GPT-4o的價(jià)格是GPT-4-turbo的一半，速度是GPT-4-turbo的兩倍。

不過，GPT-4o的API接口并非向所有客戶開放。OpenAI以濫用風(fēng)險(xiǎn)為由，表示計(jì)劃在未來幾周內(nèi)首先向“一小群值得信賴的合作伙伴”推出對(duì)GPT-4o新音頻功能的支持。

二、AI搜索沒來，但桌面版ChatGPT來了

這次的發(fā)布基本坐實(shí)了一個(gè)事實(shí)，那就是蘋果的語音助手Siri將引入ChatGPT，GPT-4o強(qiáng)大的語音對(duì)話能力對(duì)Siri是個(gè)巨大的提升。而且，OpenAI的發(fā)布會(huì)演示過程中也出現(xiàn)了大量蘋果的設(shè)備。

不過，令人遺憾的是，此前外界盛傳已久的ChatGPT搜索產(chǎn)品沒有出現(xiàn)。

在此之前，外界一度盛傳OpenAI將發(fā)布AI搜索的功能，包括有媒體拿到了ChatGPT Search的提前體驗(yàn)版本——界面仍然是對(duì)話交互，但ChatGPT在回答時(shí)會(huì)使用網(wǎng)絡(luò)信息進(jìn)行回答。

所以，一度有消息稱，ChatGPT的搜索功能會(huì)在5月10日上線，但最終還是被放了鴿子，ChatGPT CEO奧特曼回應(yīng)稱，不會(huì)有GPT5，也不會(huì)有搜索產(chǎn)品。

但不少用戶發(fā)現(xiàn)，ChatGPT已經(jīng)可以回答最新的信息，比如當(dāng)天的股票或者天氣，而且都是準(zhǔn)確的信息。ChatGPT可以回答網(wǎng)址，可以跳轉(zhuǎn)鏈接，時(shí)不時(shí)也可以提供最新的數(shù)據(jù)。但這與真正的AI搜索相差甚遠(yuǎn)。

昆侖萬維CEO方漢認(rèn)為，用戶漲不上去是OpenAI現(xiàn)在最頭疼的事情。“目前看到的產(chǎn)品形態(tài)上來講，OpenAI的搜索產(chǎn)品，并沒有對(duì)海內(nèi)外所有的搜索引擎產(chǎn)品，形成碾壓，形成 SOTA（state-of-the-art，最佳表現(xiàn)），發(fā)布這個(gè)產(chǎn)品，可能會(huì)讓用戶有一點(diǎn)增長(zhǎng)，但不會(huì)讓用戶翻倍增長(zhǎng)。所以我認(rèn)為，這是在 Google I/O 前對(duì)谷歌的一次戰(zhàn)略狙擊，它的根本戰(zhàn)術(shù)上，還是在等待和籌備 GPT-4.5?！?/p>

“Open AI無論發(fā)布什么新產(chǎn)品，都是在給ChatGPT的強(qiáng)大能力重新定義場(chǎng)景，在找新的產(chǎn)品出路?！?60董事長(zhǎng)周鴻祎也認(rèn)為，OpenAI在做場(chǎng)景的收縮和聚焦，如果大模型有一萬種能力，而不要去承諾有一萬種場(chǎng)景，而是在大模型中精選幾十種或者幾百種能力，聚焦到一兩個(gè)比較明確的場(chǎng)景上。

在此之前，OpenAI發(fā)布了GPT的應(yīng)用商店，通過GPTs讓用戶來定義場(chǎng)景，目前GPTs的數(shù)量超過了百萬，但卻遭到了不少用戶的吐槽，一方面OpenAI不上心，另一方面也缺少客戶。正如周鴻祎說，GPTs定義的場(chǎng)景太多太碎，也不算成功。Open AI也需要探索，做出幾個(gè)典型的大模型驅(qū)動(dòng)的產(chǎn)品，這個(gè)產(chǎn)品要明確定義用戶使用的場(chǎng)景。

不過相比于尋找場(chǎng)景，OpenAI這次發(fā)布了桌面版的ChatGPT和新的用戶界面，完善ChatGPT的協(xié)作能力?！拔覀冋J(rèn)識(shí)到這些模型正變得越來越復(fù)雜，” 穆拉蒂說道，“但我們希望用戶與人工智能模型的交互體驗(yàn)?zāi)軌蚋幼匀?、輕松，讓用戶可以將注意力完全集中在與模型的協(xié)作上，而無需在意界面本身?！?/p>

比如，用戶可以通過Option + 空格鍵向ChatGPT提問，并且可以在應(yīng)用內(nèi)截取和討論屏幕截圖。

“我們知道，隨著這些模型變得越來越復(fù)雜，我們希望交互體驗(yàn)變得更加自然，”穆拉蒂說?！斑@是我們第一次在易用性方面真正邁出一大步?！?/p>

上一次，OpenAI用Sora狙擊了谷歌的Gemini，這一次OpenAI再一次選擇谷歌開發(fā)者大會(huì)的前一天釋放大招，面對(duì)有實(shí)力又擅長(zhǎng)PR的奧特曼，谷歌又將如何應(yīng)對(duì)，明日的谷歌開發(fā)者大會(huì)見分曉。