免費開放給所有人使用！OpenAI推出新模型「GPT-4o」Knowing新聞 (2024-05-14 10:40:00)

OpenAI舉行春季新品發表會，推出新的人工智慧模型「GPT-4o」，其中的「o」代表「omni」，也就是全能、全方位的意思，代表其在各種應用場景中都有著廣泛的功能及適用性。

使用者過去以語音模式與ChatGPT對話時，GPT-3.5的平均延遲時間為2.8秒、GPT-4則為5.4秒，但也有著無法直接觀察音調及多個說話者或背景噪音，也無法輸出笑聲、歌唱或表達情感等問題。

而OpenAI針對GPT-4o，進行跨文字、音訊、圖像的端到端訓練新模型，使所有輸入和輸出都由同一神經網路處理，也成就現在的GPT-4o能夠接受使用者輸入文字、音訊、圖像，也能產出文字、音訊和圖像的的回應，並且可以在232毫秒的時間內回應音訊輸入，平均為320毫秒，這與人類在自然對話中的回應時間相似。

不僅如此，新模型還能透過分析使用者的臉部變化感知其情緒狀況，並透過回應、變換聲調、播放音樂，甚至講睡前故事等方式來舒緩使用者情緒，就像是真人在跟你互動一般。

GPT-4o的即時語言翻譯能力也較前一代更上一層樓。在發表會中，OpenAI研究員 Mark Chen與技術長Mira Murati分別以義大利文和英文對話，而新模型隨即將雙方交談的內容翻譯成各自的語言。

所以GPT-4o在英語文字和程式碼上的表現與GPT-4 Turbo的效能相匹配，在非英語文字上的效能也顯著提高，且與GPT-4 Turbo相比，其API速度快上一倍，成本卻只有GPT-4 Turbo的50%。

OpenAI指出，GPT-4o 是他們突破深度學習界線的最新舉措，並朝著實用性的方向發展，而這個新模型將免費開放給所有用戶使用，不過付費用戶將享有更大的容量上限。

（以上圖片取自OpenAI官網）