От голосового взаимодействия в реальном времени до возможностей зрения и многоязычной поддержки — мы на шаг ближе к разговорному ИИ в стиле «Звездного пути».

< /п>
- Ключевые выводы
- 1 Голосовые разговоры в реальном времени
- Клавиатура не требуется
- 2 Улучшенные возможности машинного зрения и многоязычная поддержка
- Слов не всегда достаточно
- 3 Вы можете создавать изображения с читаемым текстом
- Расширение возможностей искусственного интеллекта
- 4 Собственные приложения для Mac и Windows
- Более быстрый и мощный доступ
- 5 Каждый может получить доступ к GPT-4o бесплатно
- Долой контроль доступа
- В: Что такое GPT-4o?
- В: Как и когда GPT-4o будет доступен?
Ключевые выводы
<ул>
13 мая OpenAI официально представила GPT-4o, свою следующую модель искусственного интеллекта. Поскольку GPT-4 уже является основой шумихи вокруг генеративного искусственного интеллекта, 4o может вызвать шок во всей отрасли. Вот все, что OpenAI рассказал о новой технологии искусственного интеллекта и почему это большой шаг вперед.

1 Голосовые разговоры в реальном времени
Клавиатура не требуется

<п>Особое внимание уделяется голосовому обмену в реальном времени с помощью GPT-4o. Модель может уловить тон вашего голоса и постарается ответить соответствующим тоном. В некоторых случаях вы даже можете попросить его добавить больше или меньше драматизма к своему ответу или использовать другой голос — например, роботизированный для истории, рассказанной роботом, или пение в конце сказки. п>
Возможно, что еще более важно, вы можете прервать ИИ в любой момент, например, если он неправильно получил запрос или вы хотите изменить его тон или голос в середине потока. 4o сделает все возможное, чтобы исправиться, используя остальную часть разговора в качестве контекста. В постановочной демонстрации OpenAI все это выглядело очень естественно: ИИ даже извинялся, когда кто-то отмечал, что ему не хватает некоторых важных исходных данных. п>
К сожалению, вам придется подождать, чтобы опробовать новые голосовые функции. Первоначально они развертываются только для подписчиков ChatGPT Plus и только в ранней альфа-версии где-то до конца июня. п>

2 Улучшенные возможности машинного зрения и многоязычная поддержка
Слов не всегда достаточно

<п>GPT-4o также может отвечать на вопросы о фотографиях и скриншотах рабочего стола. Они могут быть похожи на те, которые вы спросите об умных очках Meta/Ray-Ban или значке Humane AI — что-то вроде «Что это за марка штанов?" — но потенциально более сложны, например, объяснение блока кода приложения или перевод меню ресторана. OpenAI утверждает, что в будущем 4o сможет выполнять еще более сложные задачи, например смотреть прямые трансляции спортивных состязаний и объяснять соответствующие правила. На данный момент основное внимание уделяется статическим изображениям, а не видео. п>
Со зрением связаны улучшенные многоязычные функции. Утверждается, что 4o имеет лучшую производительность на 50 различных языках, а API в два раза быстрее, чем у GPT-4 Turbo.

3 Вы можете создавать изображения с читаемым текстом
Расширение возможностей искусственного интеллекта

<п>Генерация изображений с разборчивым текстом долгое время была слабым местом ИИ, но GPT-4o кажется более способным в этом отношении. Текст может быть не только разборчивым, но и творчески оформленным, например, на страницах пишущей машинки, на постере фильма или с использованием поэтической типографики. Он также, по-видимому, умеет имитировать почерк до такой степени, что некоторые подсказки могут создавать изображения, неотличимые от реального человеческого текста. п> <стр> Текст может быть не только разборчивым, но и творчески оформленным, например, на страницах пишущей машинки, на постере к фильму или с использованием поэтической типографики. п>
Вы даже можете попросить 4o разместить рисунки на полях. п>

4 Собственные приложения для Mac и Windows
Более быстрый и мощный доступ

<п>Помимо веб-версии ChatGPT, теперь существует специальное приложение для Mac с поддержкой сочетаний клавиш и снимков экрана, которое в настоящее время доступно только подписчикам Plus. Приложение для Windows должно быть доступно к концу 2024 года. Возможно, OpenAI не торопится внедрять собственный клиент в Windows 11 — В конце концов, GPT — это основа Copilot, и Microsoft, вероятно, не хочет, чтобы ее интегрированная технология Windows отодвигалась на второй план.

п>
5 Каждый может получить доступ к GPT-4o бесплатно
Долой контроль доступа

п>
В каком-то смысле это, возможно, самое большое достижение. OpenAI традиционно предлагает самые передовые версии GPT, но 4o с самого начала бесплатен для каждого пользователя ChatGPT. Основные ограничения касаются голосового разговора в реальном времени — который будет доступен только подписчикам Plus, как только он будет запущен — и количество подсказок, которые вы можете использовать. Подписчики ChatGPT Plus и Team получают в пять раз больше подсказок, что очень важно, поскольку разговоры возвращаются к GPT-3.5, как только ваш лимит подсказок будет достигнут. Вам может понадобиться Plus, если вы ожидаете, что GPT-4o будет вести себя как компьютер на предприятии. п>

п>
<ч2>Часто задаваемые вопросыч2>
В: Что такое GPT-4o?
GPT-4o — это развитие модели искусственного интеллекта GPT-4, которая в настоящее время используется в таких сервисах, как собственный ChatGPT OpenAI. Буква О означает «омни». — не потому, что он всеведущ, а потому, что объединяет голос, текст и видение. Это контрастирует с GPT-4, который в основном касается взаимодействия с типизированным текстом, несмотря на такие исключения, как генерация изображений и транскрипция текста в речь. п>
В: Как и когда GPT-4o будет доступен?
Модель появится на всех уровнях ChatGPT с 13 мая, включая бесплатных пользователей. Здесь есть некоторые подвохи — Подписчики ChatGPT Plus и Team получают в пять раз больше запросов, и для всех разговоры возвращаются к GPT-3.5, как только достигаются ограничения на запросы. Кроме того, новые голосовые функции первоначально будут доступны только подписчикам Plus и только в ранней альфа-версии где-то до конца июня. Примерно в то же время мы увидим 40 корпоративных функций. п>
Неясно, когда мы увидим миграцию GPT-4o за пределы ChatGPT, например, в Microsoft Copilot. Но OpenAI открывает чат-боты в GPT Store для бесплатных пользователей, и было бы странно, если бы третьи лица не воспользовались технологией, легко доступной через ChatGPT. Однако компания проявляет осторожность — Что касается технологий голосовой и видеосвязи, то все начинается с «небольшой группы доверенных партнеров»; сославшись на возможность злоупотреблений. п>