可跨视频、音频、文本进行实时推理。全球生成式AI领域再次迎来历史性时刻，人类距离更自然的人机交互，以及人均拥有一个更像人的AI助手又进了一步。
简单来说，GPT-4o是一个多模态模型，能在一个神经网络中输入输出文本、视频、音频3种数据格式，比GPT-4增加了语音处理能力。
在发布会现场，OpenAI一一展示了GPT 4o具有的功能，包括：能与人无延迟对话交流、能识别人类情绪、解决数学问题、实时翻译等。
官方给出的评测显示，GPT-4o已能在232毫秒内回应音频输入，平均为 320 毫秒，这和人类在谈话中的反应时间相似。你也能够理解为，以GPT-4o为基础打造的语音版ChatGPT助手，已能自如地和你跨音频、视频交流，解决很多问题，也可以为你唱首歌、讲个故事，就像人与人之间的对话。
ChatGPT：在台上做演示？那你太棒了！试着深呼吸吧，记得自己是专业的！
ChatGPT：不不不，放松啊，马克，你在大多数情况下要稍微冷静一点，慢点呼吸。
一段轻松对话，拉开了演示的序幕。在和马克互动的过程中，ChatGPT的应答极其丝滑，随时接梗，语气和共情能力也非常接近于人类，绝对没机械感。
现场，ChatGPT还准确说出了演示者的衣着打扮和房间环境，展示了自己的视觉能力。
当你想和意大利人、法国人、西班牙人等进行对话时怎么办？今后，通过ChatGPT能做到实时翻译了！现场的演示就来了这么一段：让两个语言不通的人对话，ChatGPT充当翻译器，听到英语就翻译成意大利语，听到意大利语就翻译成英语。
整场发布会看下来，许多网友连连惊呼，联想到了《钢铁侠》中的智能管家贾维斯，还有《她》中的AI萨曼莎，GPT-4o的表现能力已经相当接近科幻电影中的人工智能助手。
几小时前，OpenAI CEO山姆·阿尔特曼也在海外社交平台X上留下了一个单词：《她》。
而在博客上，他用更多文字来阐释自己对GPT-4o的看法：“新推出的语音（及视频）模式是我使用过的最佳计算界面。它给人一种电影中AI的感觉，让人不禁惊叹这竟是真的。达到与人类相似的响应速度和表达能力，标志着一个重大的转变。”
对许多家有孩子的网友来说，GPT-4o最令人“种草”的功能，莫过于可以辅导作业，包括解数学题。
OpenAI请来了可汗学院创始人可汗，用ChatGPT辅导儿子伊姆兰完成一道数学题。可汗提出的要求是：希望你能够在一定程度上帮助辅导我的儿子做数学题，但不要直接告诉他答案，引导他找到正确方向就行。
“在这个三角形中，你能确定α角的对边、邻边和斜边吗？首先，哪条是斜边？”ChatGPT开始提问。
ChatGPT继续引导：“你已经很接近答案了。其实，斜边是直角三角形的最长边，它直接对着直角。现在你能找到斜边了吗？”
就这样，在ChatGPT渐进式的提问引导下，伊姆兰最终用公式求出了三角形中α角的正弦值。
“这个家教好，不会发飙”“以后如果都交给AI，真的可以永久实现母慈子孝”……网友在视频底下留言。也有人持保留意见：“不敢让它教，怕有错误，误导孩子”，但很快被其他网友反驳：“迭代几次就好，无上限，而人的能力有限。”
今早登录ChatGPT，一些用户发现，界面已然浮现了GPT-4o的选项。
根据发布会上透露的信息，GPT-4o将在未来几周将向全用户开放新功能，包括免费用户。而付费用户，将拥有超过免费用户5倍的调用额度。#GPT 4o将免费使用#的话题也冲上微博热搜。
未来，GPTs也将支持GPT-4o，免费用户一样能使用GPTs来定制个性化的智能助手。
除了今天发布的GPT 4o，北京时间5月15日，谷歌2024年I/O开发者大会将拉开大幕。有外媒分析，谷歌一直在重新思考其围绕AI的核心搜索体验，预计将在开发者大会上公布其Gemini AI模型的最新计划。它还可能带来关于谷歌搜索和已发布的Pixel 8廉价手机的一手消息，以及有关AI的其他大量新闻。
而美西时间5月21日，微软将举行Build年度开发者大会，聚焦AI和Copilot。
6月10日-14日，苹果的年度全球开发者大会（WWDC）将在美国加州的总部Apple Park举办。在新闻稿中，苹果称，WWDC24将着重关注iOS、iPadOS、macOS、watchOS、tvOS和VisionOS的最新进展。届时，升级后的Siri语音助手或将推出，引入一个新的生成式AI系统，实现更多功能并支持连续对话。
