Yahoo奇摩新聞 OpenAI新模型GPT-4o問世！對話能力強到會「插嘴」，還能讀懂人類語氣
在Google I/O登場前一天，OpenAI毫不留情搶走他們的風采，率先發表全新模型GPT-4o，在擁有GPT-4等級智慧的同時，具備更為強大的語音、視訊處理能力，並能給予用戶逼近與真人互動的感受。
GPT-4o的特別之處，或許從名字就可以窺之一二，o指的是omni，中文意思類似「全、一切」，代表著新模型跨越文字、音訊及視訊推理的能力。「我們宣佈推出GPT-4o，這是我們的全新旗艦模型，能夠即時推理音訊、視訊及文字。」OpenAI在聲明中表示。
逼近人類的回應能力，「就像電影裡的AI」
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，被他們稱為omnimodel（全能模型，暫譯）。與上一代旗艦GPT-4 Turbo相比，GPT-4o在英文及程式語言的表現上相仿，不過英文外的語言則有顯著的效能提昇，並且API的速度更快、成本也降低了多達50%。
OpenAI指出，GPT-4o有著接近人類的回應時間，能提供用戶更自然的溝通體驗，可以在最短232毫秒（0.232秒）、平均320毫秒（0.32秒）的時間內回應問題。作為比較，GPT-3.5及GPT-4在語音模式的回應時間，分別為2.8秒和5.4秒。
在OpenAI的演示中，GPT-4o能夠在聊天過程中即時口譯，讓說著不同語言的兩人順暢地進行交談。又或者請求GPT-4o講一個睡前故事時，可以用更飽滿、有語氣的聲音生動地說故事；又或者能用接近人類的口吻，教導人們解開簡單的數學問題。
根據OpenAI說法，GPT-4o能夠「讀懂」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快速切換，一下是冷冰冰的機械聲，一下又能活潑地唱起歌來。OpenAI技術長米拉．穆拉蒂（Mira Murati）指出，GPT-4o的開發是受到人類交談過程啟發，「當你停止說話時，就輪到我開口了。我可以讀懂你的語氣並回應。它就是這麼自然、豐富且具互動性。」
「新的語音（和視訊）模式是我用過最棒的電腦界面，就像電影裡看到的AI一樣。」OpenAI執行長山姆．奧特曼（Sam Altman）也在部落格上表示，「我還有點吃驚這是真的，事實證明達到人類水準的回應時間和表達能力變化有多大。」
雖然演示過程並沒有一切完美，《MIT科技評論》指出，過程中GPT-4o有時會打斷人們說話、還在未被要求的情況下突然評論起一位主持人的服裝穿著，不過被演示者指正後很快就恢復正常。
穆拉蒂透露，透過omnimodel的力量，未來GPT技術還會進一步提昇，例如能夠在觀看體育賽事轉播後向用戶解釋競賽規則，不單單只是完成翻譯圖片文字等簡單任務。
OpenAI表示，目前用戶將可以在免費版本中使用GPT-4o，而付費訂閱者則可以享有免費版5倍的訊息限制。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。GPT-4o能免費提供給用戶，也反應了OpenAI確實在降低成本上取得成果。
不過OpenAI提到，出於對遭到濫用的擔憂，語音功能暫時不會開放給所有API用戶，未來幾週內會先提供給部份值得信賴的合作夥伴使用。
ChatGPT電腦版程式登場、GPT Store免費開放
在GPT-4o大幅增強語音、視訊功能的同時，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。穆拉蒂強調，雖然模型越來越複雜，她希望用戶與AI的互動體驗能夠更為簡單明瞭、輕鬆自然，讓用戶不必費神在UI上，而是專注與ChatGPT協作。
OpenAI也公佈了電腦版本的ChatGPT程式，預計率先推出MacOS版本，Windows版本則要今年內稍晚的時候推出。值得一提的是，稍早才傳出OpenAI與蘋果就AI技術合作的協商已經進入尾聲，此時率先端出Mac版本程式，引發外界聯想。
另外，OpenAI在今年初推出GPT Store，讓開發者能客製化各種功能的聊天機器人，並上架到商店裡供其他用戶使用，現在這個平台將免費開放給所有用戶，未來免費用戶也能使用過去付費用戶才能享有的特定功能。
資料來源：OpenAI、TechCrunch、MIT Technology Review
延伸閱讀：iPhone 將導入 ChatGPT？蘋果與OpenAI協商有譜，傳iOS18推新功能
更多報導
OpenAI正面對決Google！盛傳5/9發布ChatGPT搜尋引擎，挑戰谷歌本命產品
狂言「年燒500億美元也要開發通用AI」，奧特曼為何稱GPT-4是最蠢模型？
