OpenAI 发布最新旗舰级模型 GPT-4o,可以实时推理音频、视觉和文本,主打概念为拟人化、超自然、超低时延的个人语音交互助理。根据 OpenAI 官方网站及 X 平台官方账号相关信息,GPT4o 中的 o 代表 Omni(全面),是迈向更自然的人机交互的一步——它接受文本、音频和图像的任意组合作为输入,并支持生成任意组合的文本、音频和图像输出。它可以在 232 毫秒内响应音频输入,平均 320 毫秒,与对话中人类反应时间相似。在英语和代码方面,它与 GPT-4 Turbo 性能相当,在非英语语言文本上有显著改进,同时 API 速度更快且成本便宜 50%。与现有模型相比,GPT-4o 在视觉和音频理解方面表现特别出色。文本和图像输入将于今日在 API 和 ChatGPT 中推出,语音和视频输入将在未来几周内推出。
Gate.io - 芝麻交易所,又称芝麻开门交易所,是原比特儿交易所国际版本,是全球第二大交易所 支持人民币OTC交易 让财富更自由一点
文章采集自互联网,本站不对其真实性负责,如需删除,请发送链接至oem1012@qq.com
发表评论
电子邮件地址不会被公开。 必填项已用*标注
文章评论已关闭!