全新 ChatGPT-4o 模型重大更新 – 能力惊人！支持 API，所有人免费用

OpenAI 在发布会上，推出 ChatGPT 最新旗舰级模型 GPT-4o (这里 o 代表 omni，即全方位)，具备了即时音频和视觉处理能力，大幅提升速度，重点是，GPT-4o 还免费开放给所有人！

GPT-4o 能以相当快的速度同时处理文本、音频、视频的分析和回复。也就是说，AI 现在能聆听语音、看图，甚至能看实时的视频内容，并立即给你反馈！同时还有一些情绪的变化，加上还能联网。似乎一瞬间，电影《钢铁侠》里的 Javis 或《Her》的 AI 恋人大概已能成为现实了。

OpenAI 旗下全新的旗舰模型 GPT-4o 已经正式上线 ChatGPT 了，而且免费 (目前免费用户随机分配权限，有频率限制)。这款超级强大的 AI 模型可以实时进行对音频、视频和文本内容的推理，而且最明显的，还有 GPT4o 的速度极快，能让人机交互变得更加自然流畅。

据了解，GPT-4o 对音频的响应速度最快可达 232 毫秒，平均响应时间也仅为 320 毫秒，堪比人类在对话中的反应速度，你就像跟认真说话一样不需傻傻等待，这也让 AI 助手的实用性进入了下一个新的阶段。

• GPT-4o 模型支持免费使用，如你的账户未获得权限，可注册新账号使用
• 支持上传图片进行识别和分析
• 免费用户也支持上传 Excel、PDF 等文档进行分析或总结，并支持生成数据图表
• GPT-4o 让 ChatGPT 支持联网搜索
• 支持使用记忆功能
• 免费用户支持搜索和使用 GPTs，但无法建立

过去 AI 的语音模式需要 3 个模型联合工作，首先第一个 AI 模型将音频转换为文本，再由主 AI 模型处理文本获得结果，最后再将结果文本转回音频。这种方式存在很多缺点，比如 GPT-4 无法直接处理音调、多人对话或背景噪声，也无法生成笑声、歌声，更无法表达出情感的变化。而 GPT-4o 依靠独立实时的多态处理能力，终于做到了！从上面的视频可以看到，它甚至能读懂人们的表情，也像真人一样带有感情去说话。

今天，GPT-4o 在理解和讨论你分享的图片方面比任何现有模型都更出色。例如，你可以拍下外语菜单的照片，与 GPT-4o 对话，让它翻译餐厅菜单内容，了解食物的历史和意义，并获得推荐。在未来的更新中，将实现更加自然的实时语音对话，以及通过实时视频与 ChatGPT 互动的能力。比如，你可以向 ChatGPT 展示一场直播的体育比赛，并请它为你解释规则。我们计划在接下来的几周内推出带有这些新功能的语音模式 Alpha 版，首先向 Plus 用户开放，随后逐步推广。

为了让先进的人工智能在全球范围内更易获取且更有用，GPT-4o 在语言能力方面的质量和速度都得到了提升。ChatGPT 现在还支持超过 50 种语言的注册和登录、用户设置等功能。

更多内容欢迎访问本站置顶帖