DoNews5月14日消息，OpenAI北京时间昨晚发布了一款名为GPT-4o的新旗舰生成式人工智能模型，并计划在未来几周内逐步在其各种产品中推出。

OpenAI的首席技术官Muri Murati介绍说，GPT-4o在保持GPT-4级别的智能的同时，对文本、视觉和音频功能进行了改进，所有用户均可免费使用，而付费用户的容量限制是免费用户的五倍。

Murati在OpenAI办公室的一次主题演讲中提到，GPT-4o跨越了语音、文本和视觉的多个领域。OpenAI将推出桌面版ChatGPT及全新用户界面。

GPT-4是OpenAI之前的领先模型，它集成了图像和文本功能，能够分析图像和文本，完成从提取图像中的文本到描述图像内容等任务。而GPT-4o在此基础上增加了语音功能。

这一改进带来了哪些新功能？包括但不限于以下几点：

GPT-4o显著提升了ChatGPT的使用体验—ChatGPT是OpenAI的人工智能聊天机器人。虽然ChatGPT长期支持语音模式，将ChatGPT 的文本转为语音，但GPT-4o在此基础上进行了优化，使用户能够更像与助手互动一样自然地使用ChatGPT。

例如，用户现在可以在ChatGPT回答问题时中断它，而OpenAI表示，新模型能够提供“实时”响应，甚至能够捕捉到用户声音中的情感，并以不同的情感风格生成语音。

GPT-4o还增强了ChatGPT的视觉功能。通过照片或屏幕截图，ChatGPT现在可以迅速回答相关问题，从“这段代码是做什么用的”到“这个人穿的是什么品牌的衬衫”。

从即日起，GPT-4o将在ChatGPT的免费版本中提供，而OpenAI的高级版本ChatGPT Plus和Team用户则可享有“五倍消息限制”的优势，企业选项也将“即将推出”(当用户达到使用阈值时，系统将自动转为使用 GPT-3.5)。OpenAI表示，计划在下月左右为Plus用户推出改良后的GPT-4o语音体验。

OpenAI还表示，GPT-4o的多语言功能得到了增强，在50种不同的语言中表现更佳。在OpenAI的API中，GPT-4o的处理速度是GPT-4（特别是 GPT-4 Turbo）的两倍，价格则是GPT-4 Turbo的一半，同时拥有更高的速率限制。

用户只需发出简单的“嘿，ChatGPT”语音提示，即可获得代理的口语回应。然后，用户可以用口语提交查询，并在必要时附上文字、音频或视觉效果——后者可包括照片、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，与人类的对话响应时间类似。

目前，GPT-4o的应用程序接口中尚未为所有客户提供语音功能。鉴于滥用风险，OpenAI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将在网络上发布全新的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的文本和图像功能已经开始向付费的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，但有使用限制。

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。