通过视觉和语音交互帮助学生解题，提供个性化的学习体验；在客服与支持领域，GPT-4o能够提供快速、精准的响应，提升客户满意度，同时降低企业的运营成本；在健康咨询领域，GPT-4o的实时语音对话功能可以用于提供初步的健康咨询和心理辅导；在娱乐互动领域，GPT-4o的唱歌功能和语气调整能力可以用于娱乐行业，提供更加...
GPT-4o 现在可以实时查看和分析事物，可以帮助盲人描述当前环境，还能帮忙打车。唯一的 bug 是需要随时举着手机，要是能做成眼镜就更 perfect 了。视频链接：https://mp.weixin.qq.com/s/T80vdLXjMYUcYPfyA1yqSg 2.「充当」语音客服 给客服 GPT-4o 找茬儿？很难！哪怕是处女座！一名叫 Joe 的小哥编了一...
除了语音方面的情绪识别，GPT-4o还拥有实时视觉功能，根据OpenAI研究员巴雷特（Barret Zoph）的演示，ChatGPT通过手机摄像头帮助他实时解了一个方程，就像一名真实的数学老师在旁边指导每一个解题步骤。“每当你为数学焦头烂额的时候，我就在你身边。”ChatGPT说。ChatGPT甚至还能通过前置摄像头观察用户的面部表情，分析...
以ChatGPT为例 ，除了GPT-4o之外，最近有个很重要的更新，就是Memory（全局记忆）功能普及到所有GPT4用户，这一功能的目的是让AI能够全面记住用户的信息，但这背后也存在用户有的隐私安全等问题，因此基于不同地区法律法规的不同，欧洲和韩国的用户将暂时无缘这一功能。目前GPT的电脑客户端就在尝试与电脑的融合，...
GPT-4o不仅能通过声音和文字跟人交流，还能识别物体和图像，并且逻辑推理能力也比现在市面上的产品要强。可以说，GPT-4o将转录音频和文本转语音等功能合二为一，构建一个更懂图像和音频的多模态模型，响应速度也更快。在笔者看来，无论是上个月推出的“语音引擎”(Voice Engine)，还是更早些时候发布的 TTS(文本...
普通人可以更方便地利用AI技术解决问题。在多语言支持、音频和视觉理解方面的改进，使得普通人可以在更多场景下使用GPT-4o，比如语言学习、内容创作、编程辅助、教育辅导、日常任务处理和娱乐互动。相比以往模型，GPT-4o新增了实时语音对话和图像识别功能。用户在使用这些功能的时候，体验也会更好一些。接下来，GPT-4o...
事实上，在不到 30 分钟的发布会中，最为人津津乐道的不是 GPT-4o 这个模型自身，而是在 GPT-4o 的支撑下，ChatGPT 的交互体验。不仅是人机语音对话体验更接近人与人之间的实时对话，视觉识别能力的进步也让 AI 更能基于现实世界进行语音交互。简而言之就是更自然的人机交互。这很容易让人想起《她（Her）》...
只多一个“o”却多了很多新功能 GPT-4o的“o”代表“omni”源自拉丁语“omnis”词意为“全能”GPT-4o可以接受文本、音频和图像 三者组合作为输入 并生成文本、音频和图像的 任意组合输出 在GPT-4o之前 GPT-4无法直接观察音调、说话的人和背景噪音 也无法输出笑声、歌唱声和表达情感 GPT-4o可以在232毫秒内 ...