OpenAI 发布了一个名为 GPT-4o 的新旗舰生成式人工智能模型，并将在未来几周内"迭代式"地在公司产品中推出。OpenAI 首席技术官穆里-穆拉提（Muri Murati）说，GPT-4o 提供了"GPT-4 级"智能，但在 GPT-4 的基础上改进了文本、视觉和音频功能，所有用户都可以免费使用，付费用户将继续 "拥有五倍于免费用户的容量限制"。
穆拉提在 OpenAI 办公室举行的主题演讲上说：GPT-4o 的理由横跨语音、文本和视觉。OpenAI 将发布桌面版 ChatGPT 和全新的用户界面。
穆拉提说："我们知道这些模型越来越复杂，但我们希望交互体验变得更自然、更简单，让你完全不用关注用户界面，而只关注与GPT的协作。这一点非常重要，因为我们正在展望人类与机器之间互动的未来。"
GPT-4是OpenAI之前的领先模型，它是图像和文本的结合体，可以分析图像和文本，完成从图像中提取文本甚至描述图像内容等任务。但 GPT-4o 增加了语音功能。
这具体能带来什么？很多方面。
GPT-4o 极大地改善了 ChatGPT 的体验--ChatGPT 是 OpenAI 的病毒式人工智能聊天机器人。ChatGPT 长期以来一直提供语音模式，使用文本到语音模式转录 ChatGPT 中的文本。但 GPT-4o 对此进行了改进，让用户可以更像使用助手一样与 ChatGPT 互动。
例如，用户可以向由 GPT-4o 支持的 ChatGPT 提问，并在 ChatGPT 回答时打断它。OpenAI 表示，该模型能提供 "实时"响应，甚至能捕捉用户声音中的情感，并生成 "一系列不同情感风格 "的语音。
GPT-4o 还改进了 ChatGPT 的视觉功能。有了照片或桌面屏幕，ChatGPT 现在可以快速回答相关问题，从 "这个软件代码是怎么回事 "到 "这个人穿的是什么牌子的衬衫？
GPT-4o 从即日起在 ChatGPT 的免费级别中推出，OpenAI 的高级 ChatGPT Plus 和 Team 用户可使用 "高出 5 倍 "的消息限制，企业选项 "即将推出"。(OpenAI指出，当用户达到使用阈值时，ChatGPT将自动切换到GPT-3.5）。OpenAI 表示，它将在下个月左右向 Plus 用户推出由 GPT-4o 改良的语音体验。
穆拉提说："我们知道这些模型越来越复杂，但我们希望交互体验变得更自然、更简单，让你完全不用关注用户界面，而只关注与 [GPT] 的协作。"
OpenAI 声称，GPT-4o 的多语言能力也会更强，在 50 种不同语言中的性能都有所提高。在 OpenAI 的 API 中，GPT-4o 的速度是 GPT-4（特别是 GPT-4 Turbo）的两倍，价格为 GPT-4 Turbo 的一半，而且速率限制更高。
用户只需发出简单的"嘿，ChatGPT"语音提示，就会收到来自代理的热情洋溢的口语回应。然后，用户使用简单的口语提交查询，并在必要时附上文字、音频和/或视觉效果--后者可以包括照片、手机摄像头的实时画面或代理能"看到"的任何其他内容。
在音频输入方面，人工智能的平均响应时间为 320 毫秒，该公司称这与人与人对话中的人类响应时间相似。在今天的演示中，代理的回答没有出现令人尴尬的滞后现象，这无疑包含了许多类似人类的情感。此外，用户还可以打断代理的回答，而不会影响前后的信息流。
在演示中，GPT-4o 还充当了两个人之间意大利语和英语对话的口译员；帮助一个人解决手写的代数方程；分析编程代码的某些部分；甚至还为一个机器人的睡前故事配上了广告词。
目前，GPT-4o 应用程序接口中还没有为所有客户提供语音功能。OpenAI 以滥用风险为由表示，计划在未来几周内首先向 "一小部分可信赖的合作伙伴 "推出对 GPT-4o 新音频功能的支持。
其他方面，OpenAI 将在网络上发布焕然一新的 ChatGPT UI，新的主屏幕和消息布局 "更具对话性"，同时还将发布桌面版的 ChatGPT for Mac，用户可以通过键盘快捷键向 ChatGPT 提问，也可以通过打字或说话截图并进行讨论。(从今天开始，Plus 用户将首先获得访问权限，Windows 版本的应用程序将于今年晚些时候推出）。此外，ChatGPT 的免费用户现在还可以访问 GPT Store（OpenAI 基于其人工智能模型构建的第三方聊天机器人库）。
GPT-4o 的文本和图像功能现已开始向付费 ChatGPT Plus 和 Team 用户推出，企业用户也即将推出。免费用户也将开始使用，但有费率限制。
语音版 GPT-4o 将 "在未来几周内 "开始提供。
开发人员将能够使用 GPT-4o 的文本和视觉模式，并在未来几周内向 "一小部分值得信赖的合作伙伴 "提供音频和视频功能。