具体特性一览:
- gpt-4o模型发布:openai发布了gpt-4o模型，其中"o"代表omni，意为全能。该模型能够接受文本、音频和图像的任意组合作为输入，并生成相应的文本、音频和图像输出。
- 免费开放:gpt-4o的所有能力将免费向所有用户开放，但新语音模式会在未来几周内优先对 会员开放。
- api开放:gpt-4o向开发者开放了api，与gpt-4turbo相比，价格减半，速度提升2倍，速率限制高出5倍。
- 零延迟实时语音交互:能够进行自然、真实、富有情感的语音交互。
- 视觉传达内容:通过摄像头视觉传达内容，解决数学题和解析图形报表。
- 编程助手:提供实时编程辅助，提高编程效率。
- 情绪分析:能够实时分析面部情绪。
- 同声传译:支持多国语言的同声传译。
- 性能提升:gpt-4o在文本、推理和编码智能方面达到了gpt-4turbo级别的性能，并在多语言、音频和视觉能力上设定了新的标准。
站长之家（chinaz.com）5月14日 消息:今日凌晨，open发布了最新旗舰大模型gpt-4o。这款不仅免费可用，而且具备横跨听图片、看图片、说图片的多项能力，为用户带来如视频电话般丝滑流畅的交流体验。
openai表示，gpt-4o不仅在功能上有所突破，更令人惊喜的是，它将向所有用户免费开放，包括之前仅为chatgpt plus会员提供的功能。此外，gpt-4o的新语音模式将在接下来的几周内首先对会员用户开放试用。
据悉，gpt-4o（“o”代表“omni”）凭借其omni(全能)之名，展现了其惊人的实力。无论是文本、音频还是图像，gpt-4o都能轻松处理，并生成相应的输出。更为令人震撼的是，它能在极短的时间内对音频输入做出反应，其速度之快几乎与人类对话中的反应一致。
首先，gpt-4o实现了零延迟的实时语音交互，其表现自然、真实，充满情感。在演示中，当演示者表现出紧张情绪时，gpt-4o能够迅速识别并给予安慰和指导。此外，gpt-4o还能够根据要求调整语气和音调，甚至在被要求时，能够以机器人的声音或唱歌的形式来讲述故事。
与之前的模型相比，gpt-3.5和gpt-4在语音模式下的平均延迟时间分别为2.8秒和5.4秒，这无疑会影响对话的流畅性。而gpt-4o则无需先将语音转录为文本，因此能够更直接地理解和响应语音中的语气、音调等信息。
除了语音交互，gpt-4o还能通过视觉和语音的结合进行多模态交互。例如，在发布会上，openai展示了gpt-4o如何通过摄像头视觉解析图形报表，帮助用户解决数学问题。
在编程辅助方面，gpt-4o的实时交互能力也得到了显著提升。它能够实时检查代码，解释代码的功能，并指导用户如何调整代码以获得期望的结果。
此外，gpt-4o还能够进行视频通话，并实时分析面部情绪。在演示中，gpt-4o能够准确地识别并响应演示者的情绪状态。
在语言能力方面，gpt-4o支持超过50种语言，并在质量和速度上都有所提升。在官方演示中，gpt-4o成功实现了英语和西班牙语之间的实时同声传译。
尽管gpt-4o在人机交互方面取得了革命性的进步，但它并不是gpt-5。openai的首席技术官mira murati在直播中提到，gpt-4o是gpt-4模型的一个迭代版本，它在文本、语音和视觉方面的能力都有所提升。
openai的首席执行官sam altman也表示，gpt-4o是一个"原生多模态"模型，它在文本、视觉和音频方面进行了端到端的训练，所有输入和输出都由同一个神经网络处理。
gpt-4o的强大不仅体现在其全面的能力上，更在于其高效的api服务。为了让更多用户能够轻松使用gpt-4o，openai提供了价格打五折、速度提高一倍、单位时间调用次数增加五倍的api服务。这无疑将极大推动gpt-4o在各行各业的应用和发展。
最后，openai 还宣布将推出 chatgpt 桌面版应用程序，首先向 plus 用户推出 macos 应用，未来计划推出 windows 版本。
chatgpt源码推荐：