OpenAI新模型「GPT-4o」超強！像在跟真人聊天　可即時翻譯、唱歌

率先掀起生成式AI新革命的OpenAI今（14）日稍早發表了最新一代模型GPT-4o，後面的o為英文字母，是omni的縮寫，代表可以處理文字、聲音、圖片和影片的能力。從示範影片來看，逼近科幻感的回應能力，即時的反應速度就像是跟真人聊天，支援即時翻譯，已經不單是翻譯，還能調整口氣，宛如有翻譯官的存在。鏡頭內看到蛋糕還能幫用戶一起唱生日快樂，語氣上也會相當高亢充滿溫度。看完示範影片，真的會覺得超神！新模型免費版能使用，但初期只會開放限定區域使用。

趕在Google IO大會之前，OpenAI先推出GPT-4o全新模型，可以即時對音樂、圖片、文字進行推理回覆。官網指出，GPT-4o期望邁向更自然的人機互動，可以在最短232毫秒、平均320毫秒的時間內回應問題，和人類的反應時間相近，如果比較之前的模式，GPT-3.5延遲時間2.8秒，GPT-4為5.4秒，GPT-4o延遲的時間僅0.32秒，確實相當驚人。

在示範影內可以看到可以兩台GPT-4o互相聊天或是唱歌，還可以使用視訊鏡頭進行面試服裝上的準備。如果看到鏡頭內有生日蛋糕，會自動辨識是生日的聚餐，提供與生日相關的對話。在即時翻譯的部分變得更強，可以直接轉譯其他語言，甚至還能變化口氣，中間等待期非常短，讓雙方可以即時理解他人的語言，從影片的快速的翻譯效果來看，可說是目前最強的即時翻譯。

根據OpenAI說法，GPT-4o能夠理解用戶的表情與語氣，知道什麼時候該如何做出回應，並能在不同的語氣間切換。OpenAI在官網內提到，GPT-4雖然也能辨識圖像、進行文字語音轉換等服務，但OpenAI過去將這些功能放在不同的模型之中，導致回應時間更長，而GPT-4o則將這些功能全部整合在一個模型裡。讓速度可以更快，與現有模型相比，GPT-4o 在視覺和音訊理解方面更加精準，且講話的口氣更接近人類。

官方大方的開放所有免費用戶可以使用GPT-4o，但現階段只有部分地區可以使用，尚未全面開放，而以GPT-4o為基礎的語音服務，預計會在下個月提供訂閱用戶測試版。與此同時，OpenAI也宣佈為網頁版推出更新的ChatGPT UI，聲稱具有更對話式的主界面及訊息呈現。