OpenAI王炸更新GPT-4o，具有极强的文本、图片、视频、语音混合理解能力

chatgpt2024-05-14 19:31:48165

OpenAI刚刚发布了GPT-4o，这是一种新的人工智能模式，集合了文本、图片、视频、语音的全能模型。能够实时响应用户的需求，并通过语音来实时回答你，你可以随时打断它。还具有视觉能力，能识别视觉物体并根据视觉作出快速的响应和应答，具有非常强的逻辑推理能力。它的比GPT4-turbo快2倍，价格便宜50%！

下面有一些视频和案例介绍，其中GPT-4o 驱动的 ChatGPT 扮演人类一样的助理，通过录屏和听语音，像真人助理一样，可以记录理解对话、还能参与互动，发表自己的建议！这才是真正的 AI 陪伴，你无需再把 ChatGPT 当作一个 AI 程序，它就是一个独立的 AI 智能体，你需要的时候它就出现，就像你的私人助理一样，它能记住你的习惯，而且有自己的思考和逻辑。这一切有赖于 GPT-4o 推理音频、视频（连续图片）和文本的提速，将这种混合的实时数据流交互体验带给大家，这就像我们直播互动和打字互动的区别。

我们看几个案例：

1、理解场景并唱生日快乐，这语气词感觉比真人还真

2、代码和数据分析能力展示，这能力简直了，以后有啥问题直接上GPT

3、数学理解能力，这技术发展下去还要什么培训老师

4、超强的场景理解能力，以后感觉跟GPT-4o聊天就能有很多不错的建议

5、可汗学院的可汗和他儿子一起使用了 GPT-4o 辅导孩子在可汗学院上做数学题，一步步启发纠正，各种鼓励，比普通家长辅导效果可能真的要好不少！

6、跟着 GPT-4o 学西班牙语，以后学习都变得更有趣了

7、体验下GPT-4o的实时翻译能力

8、GPT-4o充当智能语音客服，这么发展下去都不需要请客服处理售后问题了，全部人工智能处理了

往期推荐