在我的测试中,我希望ChatGPT“联网搜索并总结OpenAI于2024年5月13日的直播发布会”。即使是GPT-4o模型,它的训练数据截止日期也仅是2023年10月,如果不进行联网搜索,它是无法正确回答我这个问题的。可以看到,ChatGPT进行了实时搜索,然后准确地总结了这场直播发布的内容,比如多模态、实时语音等。唯一美中不足的是,...
有网友将其称之为，GPT-4o最好的用例。它将为每个人改变世界，甚至它将为视障人士创造一个全新的世界。GPT-4o输出速度碾压GPT-4 还有网友测试对比了，GPT-4o和GPT-4针对同一问题的输出，吞吐量有多快。如下的对比，一眼明了。GPT-4o+函数调用 将GPT-4o与函数调用结合起来用，更是让人炸脑。下面案例中...
不过虽然 GPT-4 比 GPT-4o 墨迹了不少，但从内容来看，我还是会觉得 GPT-4 会更丰富一点。再借我司老员工火锅的照片一用，分别让 GPT-4 和 GPT-4o 生成一张像素风的图片。在生成速度上 GPT-4o 完胜，但要抠细节的话两个就半斤八两了。GPT-4 识别出了火锅嘴里叼着的是袋子， GPT-4o 多识别出了一...
早在上周便有消息传出，OpenAI准备推出一款AI搜索引擎，并将矛头指向Google即将召开的I/O大会。然而，AI搜索引擎并未如期而至，到来的是GPT-4o。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...
简单说说GPT-4o体会 1.前天公众号预测了,会让GPT-4免费,但没想到是多模态的免费...并且过去只有Plus付费用户才有的GPTs、browring、图像理解、代码解释器等全部免费。当然用量是限制了,5X标准用量后才会收费。但别着急,等GB200部署后,一定是GPT-4 level模型全部免费,你们不是追赶GPT-4吗,不是卷价格吗,Ok大家...
北京时间5月14日凌晨，OpenAI推出兼具听、看、说能力的GPT-4o。新版GPT-4o最大的看点在于，可实时对音频、视觉、文本进行推理，并接受三者的任意组合，最终能生成文本、音频、图像的任意组合。如在现场演示视频中，OpenAI前沿研究负责人马克·陈在和GPT-4o对话时，当马克·陈稍微有些紧张时，GPT-4o很快进行安慰...
美西时间5月13日（周一），OpenAI首席技术官Mira Murati在备受期待的直播演示中宣布，推出名为GPT-4o的新旗舰AI模型，这是其已经问世一年多的GPT-4模型的更新版本。同时，OpenAI还推出了台式机版本的ChatGPT以及新的用户界面（UI）。GPT-4o模型基于来自互联网的大量数据进行训练，更擅长处理文本和音频，并且支持50种...
本月，美国开放人工智能研究中心（OpenAI）发布了最新多模态大模型GPT-4o，它对语音的理解能力有了质的飞跃，同时还可分析图像、视频，并识别用户情绪；紧随其后，谷歌发布了多模态AI助手Project Astra。业内人士认为，这两大产品背后的多模态融合技术，是人工智能竞争的新焦点，多模态、更自然的交互体验成为大模型...
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 对音频输入做出反应 与人类在对话中的反应时间相近 比如 GPT-4o能够从用户急促的喘气声中 理解“紧张”的含义 并指导用户进行深呼吸 还可以根据用户要求变换语调 图像输入方面 OpenAI高管启动摄像...
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）》...