logo
Redian新闻
>公众号
>
GPT-4o 尝鲜！发布会里没说的，我们先体验了

GPT-4o 尝鲜！发布会里没说的，我们先体验了

公众号新闻

Google 应该向 OpenAI 的营销取取经。
今年 2 月，Gemini 1.5 官宣几小时后，被文生视频的 Sora 抢去风头。今天凌晨，OpenAI 的产品发布，挑在了 Google I/O 前一天。
Sora 打出模拟物理世界的概念，GPT-4o 颠覆了我们对语音和视频助手的想象。
不过，Sora 预计年内发布，GPT-4o 最劲爆的实时语音和视频功能还要等上几周。
每个熬夜的 AI 信徒都心潮澎湃却又体验不到，只能望穿秋水，边焦急地等待，边相信 OpenAI 隔着大洋喂来的饼。
GPT-4o 初体验：从惊艳到失落
GPT-4o 里的「o」指「omni（全面）」，它的特点在于可以接受文本、音频和图像的组合作为输入，更快的输出回应。
一倍速展示 GPT-4o 的生成速度
因此，即便现在 GPT-4o 的语音交互功能还没上线，我们只可以从聊天对话框中感受这个新模型，我们还是尽可能结合多种媒介来体验。
在发布会上，OpenAI 研究主管 Barret Zoph 在语音模式下实时让 ChatGPT 判断自己的「心情」。
那我们也来让 GPT-4o 来看图猜猜心情吧。
无论是 GPT-4 还是 GPT-4o，在读取图片后都没认出图中人是汽车节目「Top Gear」主持人兼「著名农民」Jeremy Clarkson 。
在识别情绪时，GPT-4 和 GPT-4o 都能看出 Jeremy 心情好，人放松。相比之下，GPT-4o 还结合了人物所处环境和着装，提供稍多的判断信息。
识别完图片，让我们来挑战一下视频。
我输入了一段 Jeremy 首逛二手农用品拍卖会的「惊奇」体验，让两个模型来分析一下内容。

GPT-4 在收到视频后，直接放弃👇
GPT-4o 虽没法直接看视频，但很「机智」地从视频提取了一张图像，然后推测内容👇
被要求总结视频内容时，GPT-4o 决定每 5 秒提取一帧图片来获得更具有延续性的理解。最后的结论不算错，但笼统。
这个过程让我意识到，GPT-4o 在理解视频时都只是通过部分图像来「断章取义」，但视频中另一重要组成「声音」却未被利用起来。
于是我将视频转化为音频，测试两个模型对音频的理解，结果都失败了。
相比之下，GPT-4o 会提出一些建议（把工作甩回给我）。
测试完理解后，让我们来试试「创造」。
我让两个模型设计一款海报，以下是文案需求和视觉素材参考👇
文字对 GPT 们来说显然是个难题。
GPT-4o 生成的图像视觉上好看，但对中文的理解还是很有限。
被要求更正后直接开始「创字」（请问是学习了徐冰的作品吗？）
即便最后改成英文，莫名还是可以出错。
GPT-4 生成时没有 GPT-4o 那么直接，而是先给我复述了一遍需求（如果有语音对话版我可能听到它开始啰嗦就要疯狂「stop」「stop」了），然后再开始生成海报。
可见，无论中文还是英文，还是比较吃力。
「写字」难，但两个模型在识别图像上的文字则都还可以。GPT-4 👇
GPT-4o 就更贴心一些，在我输入中文提示词的前提下，直接帮我把图片里的德语翻译成中文了。
总的来说，和 GPT-4 相比，GPT-4o 在面对视频和图像时的处理能力会更强一些，同时处理速度也会稍微快一点。
但不得不说，和发布会的惊艳演示相比，对话框里的体验还是让人相当不满足。
人手一个的贾维斯，还在不久的未来
以上，是目前 GPT-4o 可以体验到的功能，略微让人失望。
GPT-4o 的完整形态，是通过声音、视觉、文本和世界互动。
然而目前，几乎没有延迟、情绪价值拉满的语音模式，并没有开放使用。
OpenAI 表示，今天先发布 GPT-4o 的文本和图像功能，语音功能将在未来几周内，以 GPT-4o 的 alpha 版和大家见面，Plus 用户优先。
看来，每月 20 美元的信仰充值还是有好处的。
体验不够的我们，只能从其他渠道找到代偿。
除了 26 分钟的直播，OpenAI 的官方博客还给出了很多演示，让我们一窥「离人类只缺副身体」的  GPT-4o 的未来。
看到这些演示的第一印象，不是觉得强大或者神奇，而是很想和 AI 唠唠嗑。因为它很通人性，特别能提供情绪价值，如果你蒙上眼睛不看画面，可能以为是一个 e 人在说话。
如果你向分享自己的爱宠，它会像你在小区遛狗时遇到的某个七大姑八大姨，激动地大夸特夸，让铲屎官也与有荣焉。

向 GPT-4o 介绍自己的狗

但谈到 AI 的人性，最具冲击力的例子，还得是 OpenAI 总裁 Greg Brockman 亲自演示的。
两台手机各有一个 GPT-4o，其中一个 GPT-4o 看不见，通过提问的方式，让另一个 GPT-4o 向它描述周围的人类和环境。
两个 AI 互相接得住话，看得见的讲完了，看不见的热情地回应，做出点评和追问。听到两个 AI 在讨论人类穿了什么衣服，确实是非常科幻的一幕。
让两个 GPT-4o 交互并唱歌
同时，人类也能参与它们的谈话，追问周围的突发情况，让看得见的 AI 解答。视频结尾，AI 们甚至按照人类的要求，即兴创作了一首歌，你来我往交替唱着。
两只 AI 恰好一个男声一个女声，不抢话，不延迟，很自然地参与到多方谈话之中，又能察觉周遭环境的变化。隔着屏幕的观众，只觉得它们身上闪烁着人性的光芒。
如果说实时对话的能力让人心疼海螺 AI，GPT-4o 似乎也要在音乐领域出道，抢走 Suno 的饭碗。
除了即兴，GPT-4o 还能给睡不着的你唱摇篮曲，给没人陪伴的你唱生日快乐歌，甚至还能分饰两角，自己给自己唱和声。

让 GPT-4o 唱首给定主题的摇篮曲
翻译也是 GPT-4o 正在征服的领域，既可以用不同语言你说一句我说一句，再由 AI 交替传译，也可以直接让 AI 教你学习某门语言。

让 GPT-4o 教西班牙语
指哪打哪，这个用西班牙语怎么说，那个用意大利语怎么说，GPT-4o 像一台智能的、长了眼睛的点读机，出国旅游不必再八分手舞足蹈两分蹩脚口语了。
GPT-4o 覆盖了很多生活场景，同时也能够丝滑地用到职场中。
如果有重要面试，可以请 GPT-4o 帮忙看看，穿着得不得体，它不会言辞尖锐，但会用温柔的讽刺让你羞愧难当。
类似的视觉功能，可以用到无障碍领域，让视障人士也能「看到」周围的环境。这个年代的 AI，连导盲犬的工作也要减减负。
‍‍‍
GPT-4o 为视障人士识别环境
让 GPT-4o 加入视频会议，挑起你是猫党还是狗党的争议话题，它可以作为会议主持和秘书，cue 人发言，总结大家的立场和观点。

GPT-4o 做视频会议助手
让家长们最爱的、让教培机构有危机感的，是让 GPT-4o 辅导孩子。
非营利教育机构可汗学院创始人 Sal Khan 和他儿子，被邀请来给 GPT-4o 站台，在 GPT-4o 逐步的引导和鼓励的语言下，男生解决了一道数学题。
演示中共享屏幕的 AI 版本，我们目前无法体验到。辅导作业从来是件苦差事，可以大胆设想，AI 的耐心可能是人类无法企及的，上一代孩子学习靠网课，下一代孩子靠 AI。
美中不足的是，GPT-4o 的普通话不太行，一股外国人说中文的味道，懂中文的沉默了，不懂中文的被带偏了，翻译人才暂时还是个刚需。
和 AI 一对一，多人和 AI 开视频会议，让 AI 和 AI 互相聊天，似乎都已经实现了。不过，Demo 惊艳是事实，但视频和语音还有待未来用户们的亲自体验。
OpenAI 被批评成 CloseAI 之后，好像又回到了初衷——让最好的模型低价甚至免费造福更多人。
最初的 ChatGPT，已经展示了语言界面的潜力；而 GPT-4o 则在体验上有了质的飞跃，反应迅速、智能、有趣、自然且实用。
可能是语音模式本身就有很浓的人情味，也可能是 OpenAI 有意为之，在演示中刻意选择了很多生活化的场景，击穿了普通人们的心理防线。
GPT-4o 落地到每个普通人在生活中非常具体的需求：社交局三缺一没事，不懂面试技巧没事，出国旅游时不会讲外语也没事......
相比藏着掖着的 GPT-5，GPT-4o 可能在技术上不是那么颠覆，但作为一个拟人化的 AI 产品却很有价值。
它打败了空有其表的 AI 硬件，让普通人觉得有用、有意思，像电影里穿越出来的东西，情绪价值还很足，永远充沛有活力。
如果未来几周实测语音和视频，GPT-4o 真像演示这样，那么，语音和视频模式或成为 Altman 口中的最佳计算界面，一如自然语言的对话挑战搜索框。
语音和视频，关乎我们对 AI 的心理认知，让我们觉得 AI 更像人，也关乎我们的使用门槛，让我们心理负担更小地体验。
AI 是黑箱里的魔法，同时也是更好用的产品。把模型做得更强，把功能做得更日常然后进入更多人的生活，意义一样厚重。


微信扫码关注该文公众号作者

戳这里提交新闻线索和高质量文章给我们。
来源: qq
点击查看作者最近其他文章
相关阅读
抢先体验 GPT-4o 后，我们发现了这些发布会没说的细节体验了一整天iOS 18，我竟然觉得它挺值得升。。。在人类与AI博弈之前，我们先迎来了员工与老板的博弈ChatGPT 之父最新专访：发现 GPT-4o 惊喜用途，下一代模型可能不是 GPT-5狗引儿【长篇】（五十四）GPT-4o团队引发OpenAI组织创新热议！应届生领衔Sora，本科生带队GPT-1，经验职级都是浮云我与跑步及休斯顿马拉松的情缘有一种讲不清楚，叫做爱情Apple WWDC24的18条总结：从GPT-4o开始集成ChatGPTGPT搜索引擎原型曝光！新模型GPT4-Lite驱动，虽然鸽了发布会但代码已上传闲谈专注力和装扮为男的女 coser 约会，我去体验了正流行的 “cos委托”微软发布新AI PC全家桶，支持GPT-4o/苹果发布更新修复照片复现问题/ChatGPT 语音酷似「寡姐」，本人回应体验了三天华为Pura 70 Ultra，我明白了为啥P系列要改名。腾讯大模型App元宝上线，我们用它「单挑」了下GPT-4o法国娇韵诗 CLARINS X 星尚｜悉尼、墨尔本抢先体验法式奢华，引领高端护肤新风尚！昇腾社区回应网传华为发布会大模型生成图片系人工操控；Sam Altman：新款语音模型GPT-4o尚未发货丨AIGC日报四大维度深度体验，GPT-4o为何被称作“最强”；OpenAI超级对齐团队“分崩离析”；脑机试验招募第二名患者|一周国际财经抢先体验！La Prairie全新限量版SKIN CAVIAR THE MIST“鱼子精华喷雾”！GPT苹果有史以来最疯狂的发布会！发布颠覆性个人智能系统Apple Intelligence，并彻底改革SiriGPT-5 体验首次曝光！发布时间也被剧透，来看看这些内幕消息OpenAI一夜干翻语音助手！GPT-4o模型强到恐怖，ChatGPT学会看屏幕，现实版Her来了GPT-4o 不再是最强！Claude 3.5 深夜发布，还免费可用 | 附体验链接桌面版ChatGPT登台演讲，能视频通话还会实时读屏，GPT-4o最新demo再次惊艳：“能力还是被低估了”“GPT-5”发布时间曝光！GPT-3是幼儿，GPT-4像高中生，新一代大模型将达博士水平OpenAI掌门人最新专访：GPT-4o让我爱不释手 下代大模型可能不叫GPT-5千金不换明前茶，入口便知龙井香，性价比超高，49元尝鲜！音乐界 ChatGPT 最新功能尝鲜！任何声音一键写歌，AI 让音乐彻底无门槛OpenAI爆炸更新：GPT-4免费了！新模型GPT-4o发布，视觉、语音能力大幅增强，速度起飞，API打骨折谷歌放大招，AI搜索引擎来了，发布最强AI模型！发布会现场：总共提了120次AI、视频模型登场......GPT-4o成为全领域SOTA！基准测试远超Gemini和Claude，多模态功能远超GPT-4抢先体验！AI技术如何助力律师业绩翻倍?OpenAI发布新旗舰模型GPT-4o；字节跳动正式发布豆包大模型｜AIGC周观察第四十三期惊掉下巴：GPT-4o现场爆改代码看图导航！OpenAI曝光LLM路线图，GPT Next年底发网络奇幻小说 《虚头八脑》 连载 一
logo
联系我们隐私协议©2024 redian.news
Redian新闻
Redian.news刊载任何文章，不代表同意其说法或描述，仅为提供更多信息，也不构成任何建议。文章信息的合法性及真实性由其作者负责，与Redian.news及其运营公司无关。欢迎投稿，如发现稿件侵权，或作者不愿在本网发表文章，请版权拥有者通知本网处理。