科普 | GPT-4o中的“o”究竟是什么意思？
不开玩笑，电影《她》真的来了。
OpenAI最新旗舰大模型GPT-4o，不仅免费可用，能力更是横跨听
现场直播的效果更是炸裂：
它能感受到你的呼吸节奏，也能用比以前更丰富的语气实时回复，甚至可以做到随时打断。
GPT-4o里的“o”是Omni的缩写，也就是“全能”的意思，接受文本、音频和图像的任意组合作为输入，并生成文本、音频和图像输出。
它可以在短至232毫秒、平均320毫秒的时间内响应音频输入，与人类在对话中的反应速度一致。
这还是一份给所有人的大礼，GPT4-o与ChatGPT Plus会员版所有的能力，包括视觉、联网、记忆、执行代码、GPT Store……
将对所有用户免费开放！
（新语音模式几周内先对Plus用户开放）
在直播现场，CTO Murati穆姐说：这是把GPT-4级别的模型开放出去，其实她还谦虚了。
在场外，研究员William Fedus揭秘，GPT-4o就是之前在大模型竞技场搞A/B测试的模型之一，im-also-a-good-gpt2-chatbot。
无论从网友上手体验还是竞技场排位来看，都是高于GPT-4-Turbo级别的模型了，ELO分数一骑绝尘。
而这样的超强模型也将提供API，价格打5折，速度提高一倍，单位时间调用次数足足是原来的5倍！
追直播的网友已经在设想可能的应用，可以替代盲人看世界了。以及确实感觉比之前的语音模式体验上强上不少。
鉴于之前不少人就已经和ChatGPT语音模式“谈恋爱”了，有大胆想法的朋友，可以把你们的想法发在评论区了。
总裁Brockman在线演示
知道OpenAI发布会为什么定在谷歌I/O前一天了——打脸，狠狠打脸。
谷歌Gemini发布会需要靠剪辑视频和切换提示词达成的伪实时对话效果，OpenAI现场全都直播演示了。
比如让ChatGPT在语言不通的两个人之间充当翻译机，听到英语就翻译成意大利语，听到意大利语就翻译成英语。
发布会直播之外，总裁哥Brockman还发布了额外的5分钟详细演示。
而且是让两个ChatGPT互相对话，最后还唱起来了，戏剧感直接拉满。
这两个ChatGPT，一个是旧版APP，只知道对话，另一个则是新版网页，具备视觉等新能力。（我们不妨取Old和New的首字母，分别叫TA们小O和小N）
Brockman首先向小O介绍了大致情况，告诉她要和一个拥有视觉能力的AI对话，她表示很酷并欣然接受。
接着，Brockman让她稍作休息，并向小N也介绍情况，还顺带展示了小N的视觉能力。
只见打完招呼后，小N准确地说出了Brockman的衣着打扮和房间环境。而对于要和小O对话这件事，小N也感到很有趣。
接下来就是小O和小N相互对白的时间了，TA们依然是从Brockman的衣着开始聊起，小O不断提出新的问题，小N都一一解答。
接着，他们又谈论了房间的风格、布置和光线，甚至小N还意识到了Brockman正站在上帝视角凝视着TA们。
如果你看了这段视频就会发现，画面中出现了一个女人在Brockman身后做了些恶搞的手势。
这可不是乱入，是Brockman和女人串通好，专门给小N设计的一道“考题”。
就在小O和小N聊的正开心的时候，Brockman选择加入，直接问有没有看到什么不正常的地方。
结果是小N直接识破了Brockman的小伎俩，直接复述出了女人在他身后做小动作的场景，小O听了之后直接感叹原来在这里享受乐趣的不只有我们两个。
Brockman把这句话当成了夸赞，并对小O表示了感谢，还愉快地加入了TA们的对话。
之后是最后也是最精彩的部分，在Brockman的指挥下，小O和小N根据刚才聊天的内容，直接开启了对唱模式。
只过了简单几轮，衔接地就十分密切，而且旋律悠扬，音色也是和真人毫无二致。
最后视频以Brockman唱出的一句Thank you结束，在视频外的推文中他还透露新的语音对话功能将在数周内向Plus用户开放。
端到端训练，一个神经网络搞定语音文本图像
正如奥特曼在发布会前所说，GPT-4o让人感觉像魔法一样，那么它是如何做到的呢？
非常抱歉，这次非但没有论文，连技术报告也不发了，只在官网Blog里有一段简短的说明。
在GPT-4o之前，ChatGPT语音模式由三个独立模型组成，语音转文本→GPT3.5/GPT-4→文本转语音。
我们也可以让旧版ChatGPT语音模式自己讲一下具体是怎么个流程。
这样一来，整个系统的延迟足足有2.8秒（GPT-3.5）和5.4秒（GPT-4），而且丢失了大量的信息，它无法直接感受音调、多个说话者或背景噪音，也无法输出笑声、唱歌声，或表达情感。
GPT-4o则是跨文本、视觉和音频端到端训练的新模型，这意味着所有输入和输出都由同一个神经网络处理。
在语音翻译任务上，强于OpenAI专门的语音模型Whisper-V3以及谷歌和Meta的语音模型。
在视觉理解上，也再次反超Gemini 1.0 Ultra与对家Claude Opus
虽然技术方面这次透露的消息就这么多了，不过也有学者评价。
一个成功的演示相当于1000篇论文。
“o”是包罗万象的o
据OpenAI表示，GPT-4o是一个“原生多模态”模型，它的命名来源于“omni”，即包罗万象之意。
比起此前要么是图文模式要么是语音模式的GPT-4，它更擅长打组合拳，可以接受文字、音频、图像的任意组合输入，然后无缝衔接图文音频的多种形式输出。
升级后的GPT-4o回答速度更快了。
另外根据网友推测，GPT-4o这么强，全都免费开放了，这是劝大家不续订ChatGPT Plus了的意思吗？
那肯定不是啊～
鉴于OpenAI春节期间在谷歌发布Gemini 1.5 Pro后半小时左右用Sora狙击了一把，明天OpenAI还有新活也说不定呢？
直播回放
https://www.youtube.com/watch?v=DQacCB9tDaw
参考链接：
[1]https://openai.com/index/hello-gpt-4o/
老规矩
觉得长知识的
点赞为敬
科普
科普 | 男导师的妻子叫“师母”，那么女导师的丈夫怎么称呼？科普 | 为什么可以说“我爸爸”“我妈妈”，却不能说“我狗”？科普 | “爸爸”称谓的演变史：不是每一个父亲都叫“爸爸”科普 | 为什么世界大多数语言“妈妈”的发音都差不多？科普 | 为什么大人和儿童交流总是喜欢叠词词？
科普 | “躺平”是什么梗？如何看待年轻人“躺平”的现象？科普 | 语言学专业学生心碎的十六个瞬间科普 | 语言学专业学生的25种“怪癖”，哪一个戳中了你？科普 | 25个让你意想不到的语言小知识科普 | 语言学家达成一致意见的83个问题
科普 | 只有语言学内行人才能看懂的11张图科普 | 如何向理工科男朋友介绍语言学专业是干啥的？科普 | 凡尔赛一下语言学那些“不明觉厉”的用处科普 | 招牌背后的语言学：为什么你会被招牌吸引？科普 | 如何用语言学知识分析“小偷偷偷偷东西”并对下联？网友的答案秀出了天际！科普 | 粤方言的“嘉禾望岗”为什么好听？
科普 | 为什么很多人发完语音后要再听一遍？
科普 | “好哒”“好滴”，是礼貌还是“文字讨好”？
科普 | 费翔的“商务殷语”火了！这门魔性的语言是啥原理？
科普 | 最近经常刷到的“猫meme”究竟是什么梗？
科普 | “偷感很重”是什么梗？用英语怎么说？
科普 | “拿来吧你”是什么梗？让我们用语言学知识分析一下
科普 | 最近刷屏的“显眼包”是什么梗？可不是eye pack哦！
科普 | “尔滨”是什么梗？“哈尔滨”原本是什么意思？
科普 | “南方小土豆”是什么梗？是歧视、自嘲还是爱称？
科普 | “小砂糖橘”是什么梗，用英语怎么说？
科普 | “普通话羞耻症”是什么梗？
科普 | 语言学家解读《繁花》腔调：三代上海话“同中有异”
科普 | 北京野生动物园的声明为啥火了？我们用语言学知识分析一下科普 | 潮流语言的终级迷惑：“yyds”为什么从去年火到今年？科普 | 什么是语言学？语言学就是学语文的？语言学有何用武之地？科普 | 语言学等于学语言吗？为什么要学语言学？科普 | 为什么有的人更擅长学习多种语言？科普 | 为什么很多人总把“然后然后”挂在嘴边？
科普 | 语言学是一门科学吗？科普 | 为什么要学语言学？科普 | 如何阅读语言学论文？科普 | Hilpert：为什么要学习语言学？科普 | 世界语言谱系及语种全览科普 | 汉语在世界上到底有多少“亲戚”？科普 | 哪种语言最难学？外媒做了个排名，高居榜首的是……科普 | 为什么微信语音里自己的声音很难听？科普 | 为什么其他国家大多用拼音文字而非方块字？科普 | 为什么可以“水一篇论文”，而不能“菜一篇论文”？
科普 | 为什么现在很多人微信聊天时不爱用标点符号？
科普 | 为什么现在管谁都叫“老师”？科普 | 年轻人为什么喜欢在聊天时加上空括号？
科普 | 电影《周处除三害》中的“处”怎么读？
科普 | “牛轧糖”的“轧”到底读“gᔓzhá”还是“yà”？
科普 | 车厘子的“J级”“JJ级”，“J”到底是哪个单词？科普 | “No.”并不是Number的缩写，而是这个词科普 | “别cue我”的cue在英语里到底是什么意思？科普 | 老外聊天时最后发的“X”是什么意思？理解错了很尴尬！
科普 | 圣诞节为什么拼写成Xmas？圣诞快乐可以说成Happy Christmas吗？
科普 | 麦当劳“McDonald's”前面的“Mc”是什么意思？
科普 | Excuse me是“不好意思”，那Excuse you是啥意思科普 | “You are an old dog”可不是骂你，理解错误就尴尬了！
科普 | 老外对你说“I eat no fish”是啥意思？可不是“我不吃鱼”！科普 | “you are a noodle”是什么意思？可不是“你是个面条”
科普 | “dog eat dog”是啥意思？可不是“狗咬狗”......
科普 | “blue moon”是啥意思？可不是“蓝月亮”！
科普 | “dog days”是啥意思？可不是“狗日子”！
科普 | “懂了”到底是“Get it”还是“Got it”？
科普 | “中国龙”翻译成Dragon还是Loong？网友吵开了
科普 | “what's cooking”是啥意思？可不是问在做什么饭
科普 | “年前冷静期”是什么梗？
科普 | 冲上热搜！“大学生德华”是什么梗？
科普 | 老外说“Pig-headed”可不是骂你“猪头”，真正的意思是……
科普 | donkey是驴，work是工作，那么donkey work是啥意思？
科普 | water是水，work是工作，waterworks是啥意思？
科普 | kiss是亲亲，away是离开，但kiss away可不是吻别的意思
科普 | 歪果仁发消息说“sorry, WC”是啥意思？千万别误会了！
科普 | 中国人喊“扎心了”，歪果仁喊什么词？
科普 | “You're a fat cat ”是啥意思？很多人都理解错了！
科普 | “You excel me”是啥意思？可别翻译成“你表格我”！科普 | 为什么睡觉用“zzz”表示？
科普 | 今夕中秋：“月亮”的英语竟然不是moon！
科普 | “he is a zero”是什么意思？可不是“他是0”
科普 | bus是“公共汽车”，boy是“男孩”，那么busboy是什么意思？
科普 | walk是走，egg是鸡蛋，那么walk on eggs是啥意思？科普 | dog是狗，body是身体，dogsbody竟然是这种人？科普 | 为什么“蝴蝶”叫butterfly，而“蜻蜓”叫dragonfly？
科普 | smoke-free到底是“允许吸烟”还是“禁止吸烟”？
科普 | 二维码“QR Code”中的“QR”到底是什么意思？
科普 | “shanghai”可不是“上海”！千万别搞混了
科普 | “John”为何译成“约翰”？为什么中英文的发音差异这么大？科普 | 高铁的座位编号有ABCDF，为何唯独没有E？
科普 | iPhone为什么只有P大写？
科普 | 歪果仁常说的“ditto”是什么意思？不只是歌名哦！
科普 | 机场里的T1、T2、T3是什么意思？T又是什么？
科普 | 单词书上第一个词为啥总是abandon？
科普 | 热搜新梗“为i做e”“遇e则i”是什么意思？科普 | 不再emo！这届年轻人的新情绪emoha又是什么梗？
科普 | App，Emoji，YouTube……这些词我们一直都读错了？科普 | Add oil = 加油 ？这些 “中式英语”居然是正确的！科普 | 一图搞懂equality（平等）和equity（公平）的区别
科普 | 大脑为什么要删除你两岁前的记忆？
科普 | 可以说“感谢聆听”“谢谢欣赏”吗？
科普 | 微信聊天要打句号吗？
科普 | 嗯？“嗯”的拼音竟然不是“en”？！科普 | “怂”不读“sóng”，“认怂”写错了？正确的读音和写法是啥？
科普 | 为什么是“冻成了狗”，而不是“冻成了猫”？
科普 | 想要表达真正开心地笑，得用几个“哈”？科普 | 我们分析了3447个地铁站，发现了中国城市地名的秘密科普 | 除了“六安”，还有哪些一读就错的地名？科普 | “街”：我国最奇特的一个字，3000年间都是一个读音科普 | 中国古代才女班昭的尊称“曹大家”，你真的会读吗？科普 | 中国最难懂的十大方言排行，有你的家乡话吗？科普 | 全国各地普通话标准程度排行榜，你的家乡属于第几档?科普 | 汉字到底有多少个？科普 | 为什么有些语言这么难学？科学家发现关键基因科普 | 儿童语言中的可爱语法科普 | 婴儿是天才的语言学习者科普 | 语言学家的迷惑例句：关于性别问题的严肃讨论科普 | 语言进化编年史：我们的语言如何进化，将来如何发展？科普 | 我们为什么要学习一门外语？科普 | 英语专八相当于什么水平？科普 | 学习双语有什么好处？能让大脑更健康，更持久年轻！科普 | 脑洞大开！古汉语原来是这样发音的科普 | Mojito译成“莫吉托”是标准的中式翻译错误科普 | 惨绿少年、酒店猛狗……这些“令人喷饭”的词，居然都是成语科普 | 万万没想到，这些词居然来自方言科普 | 《三十而已》《二十不惑》爆火！剧名为何这样翻译？科普 | 乘风破浪的姐姐们A爆了！这里的“A”是什么意思？科普 | 《红楼梦》中的生僻字词，你认识几个？科普 | 7-ELEVEn，n 为什么是小写？科普 | “PK”“VS”“K.O”分别是哪些单词的缩写！科普 | 为什么奥运会裁判报分时把1∶0称为one love？科普 | 英文也是象形文字？万万没想到！科普 | 写公文时，为什么要用仿宋GB2312字体？
科普 | 第20届国际语言学奥林匹克竞赛（IOL）中文版试题科普 | 为什么一看书就想睡觉，小视频却越刷越清醒？科普 | “仚屳屲冚”竟然是一个成语，它是什么意思呢？科普 | 我们好不容易记住的字，为啥就不那么念了？科普 | 东北话的传染性到底有多强？
科普 | 为什么只有中国人有看字幕的习惯？
科普 | 为什么越来越多的年轻人一张嘴就词穷？
科普 | 能不能别写那么多“进行”？
科普 | 刻在中国人DNA里的“中国红”，竟有这么多浪漫的名字！
科普 | 原来，“年”的别称有这么多！
语言服务资源共享
学术资讯分享
学术资源共享
学术交流共进
还有实用干货和更多福利
尽在语言服务资源共享群
欢迎加入
在【语言服务】公众号对话框
回复“资源共享”
获取进群方式
20万+语言学人已关注
ID：Language-service
投稿邮箱：yuyanfuwu@yeah.net
投稿交流、商务合作、著作出版
请联系语服君
微信号：yuyanfuwu2023
获取更多科普趣文