最近，OpenAI的春季發(fā)布會(huì)如期而至，而在這場(chǎng)發(fā)布會(huì)中，GPT-4o的發(fā)布引起了不少業(yè)內(nèi)人士的關(guān)注。那么，GPT-4o的實(shí)際上手體驗(yàn)如何？一起來(lái)看看作者的分享。

沒(méi)有所謂的 AI 搜索引擎，也沒(méi)有炸裂的 GPT-5 ，但 OpenAI 還是讓大伙兒感受到了，什么叫做?“Only OpenAI Can Do”?。

就在近日凌晨， OpenAI 的春季發(fā)布會(huì)終于是來(lái)了。

他們也沒(méi)多講幾句廢話，整場(chǎng)發(fā)布會(huì)就二十來(lái)分鐘，其中，最重磅的無(wú)異于 GPT-4o 新模型的發(fā)布。

關(guān)于 GPT-4o 起名的緣由， OpenAI 官方是這么解釋的： “ o “ 的全稱(chēng)是 “ omni ” ，也就是 “ 全能 ” 的意思。

之所以說(shuō)它全能，是因?yàn)樗馨盐谋?、視覺(jué)、音頻全打通了。換句話說(shuō)，你跟 GPT-4o 對(duì)話就跟真人似的。

最重要的是， GPT-4o 是免費(fèi)向用戶(hù)開(kāi)放的，不開(kāi) Plus 會(huì)員也能用，只不過(guò) Plus 會(huì)員要多一些使用次數(shù)。

反正跟世超一起蹲守直播的同事們看了，都直呼想要。。。

就連奧特曼也在推特上毫不避諱地，把 GPT-4o 跟科幻電影《 Her 》聯(lián)系起來(lái)。（ 這部電影講的是人和 AI 語(yǔ)音助理談戀愛(ài)的故事 ）

評(píng)論區(qū)的網(wǎng)友們也紛紛表示 “ 見(jiàn)證歷史 ” “ 電影終于要照進(jìn)現(xiàn)實(shí)了 ” ，甚至還用奧特曼的照片，整出來(lái)了個(gè) “ him ” 。

玩笑歸玩笑，但世超覺(jué)得， OpenAI 這次 GPT-4o 的現(xiàn)場(chǎng)演示效果，特別是實(shí)時(shí)語(yǔ)音和視頻交互的能力，確實(shí)甩了其他現(xiàn)役大模型好幾個(gè)車(chē)尾燈。

不過(guò)光這么說(shuō)，大伙兒對(duì) GPT-4o 的感受可能也不深，咱直接來(lái)看演示。

像演示人員讓 GPT-4o 從一數(shù)到十，中途就嫌它語(yǔ)速太慢了，讓它說(shuō)快點(diǎn)兒， GPT-4o 能立馬反應(yīng)過(guò)來(lái)，后續(xù)隨時(shí)插話它都能瞬間 get 到。

就這一個(gè)接一個(gè)的連續(xù)對(duì)話實(shí)力，說(shuō)實(shí)話世超還沒(méi)在 AI 身上體驗(yàn)過(guò)。

給 GPT-4o 一個(gè)麥克風(fēng)和攝像頭權(quán)限，它能分分鐘化身成面試指導(dǎo)官，比方視頻里的這個(gè)老哥，說(shuō)自己要去 OpenAI 面試，讓 GPT-4o 給點(diǎn)著裝建議。

它迅速 “ 打量 ” 了下這位老哥，禮貌不失幽默地給出了 “ 抓個(gè)頭發(fā) ” 的中肯建議。但老哥打算走個(gè)不聽(tīng)勸的人設(shè)，順手拿出個(gè)帽子，問(wèn)能不能戴它去面試。

GPT-4o 這邊反應(yīng)賊快，識(shí)破了老哥明知故問(wèn)地惡作劇，順著他的話茬說(shuō)，也不是不行，最起碼能讓你在人群中脫穎而出。

如果不給世超看演示畫(huà)面，光聽(tīng)聲音我可能會(huì)以為，這就是兩個(gè)朋友之間在開(kāi)玩笑。

當(dāng)然，以 GPT-4o 的知識(shí)儲(chǔ)備和多模態(tài)能力，它也有相當(dāng)正兒八經(jīng)的應(yīng)用場(chǎng)景。

一扭頭，就能直接化身成視障人士的眼睛，幫他們識(shí)別所在的位置，要是想知道眼前都有啥場(chǎng)景， GPT-4o 也能夠繪聲繪色地描繪出來(lái)，甚至還能一步一步指導(dǎo)視障人士打車(chē)。

再搖身一變， GPT-4o 還能化身成數(shù)學(xué)老師，把屏幕的權(quán)限開(kāi)放給它，它能一步步指導(dǎo)你做題，你在題目上寫(xiě)了啥畫(huà)了啥 GPT-4o 也都能看得一清二楚。

有一說(shuō)一，這跟世超上中學(xué)時(shí)爸媽請(qǐng)的家教沒(méi)啥兩樣。。。

看完官方的案例視頻，相信大伙兒跟世超一樣，已經(jīng)被震撼得沒(méi)邊兒了。

而為了做到這些， OpenAI 在底層的模型上可是下了不少苦功。

之前咱們用 ChatGPT 的語(yǔ)音對(duì)話，都是一輪一輪的來(lái)。它得先把咱說(shuō)的話轉(zhuǎn)換成文字輸給 GPT-4 ，等 GPT-4 生成文字答案之后，才能再轉(zhuǎn)成語(yǔ)音輸出。

也就是說(shuō)，以前和 ChatGPT 語(yǔ)音對(duì)個(gè)話，它得動(dòng)用三個(gè)模型，一個(gè)管音頻轉(zhuǎn)文本，一個(gè) GPT-4 管文本轉(zhuǎn)文本，另外還有一個(gè)管文本轉(zhuǎn)音頻。

一整套流程下來(lái)，耐心都快給磨沒(méi)了，而且中間除非咱們手動(dòng)暫停，否則根本沒(méi)插話的機(jī)會(huì)。

但 GPT-4o 不一樣，它是一個(gè)原生的多模態(tài)模型，無(wú)論文字音頻，還是視頻啥的，所有的輸入和輸出都在同一個(gè)神經(jīng)網(wǎng)絡(luò)里處理。

這種打娘胎里自帶多模態(tài)的特性，讓 GPT-4o 能夠聽(tīng)懂好賴(lài)話，表達(dá)自己的情緒，和它對(duì)話也能像吃了德芙一樣絲滑。

不過(guò)，上面那些視頻終歸還是?“PPT”?，沒(méi)到手實(shí)測(cè)一波，世超也不敢輕易下定論這玩意兒是不是真的有這么強(qiáng)。畢竟前段時(shí)間， Sora 生成的《?氣球人?》短片才被傳出加了大量的人類(lèi)后期。

而在實(shí)際用這塊， OpenAI 還是一如既往的狗，嘴上說(shuō) GPT-4o 都能免費(fèi)用，但也要分先來(lái)后到，而且功能也慢慢開(kāi)放。

現(xiàn)在能用上 GPT-4o 的只有 Plus 賬號(hào)，而且最重磅的實(shí)時(shí)視頻和語(yǔ)音功能，毛都看不著。

但有總歸比沒(méi)有強(qiáng)，世超手邊恰好也有個(gè) Plus 賬號(hào)，而且官方也說(shuō)了， GPT-4o 生成的速度還會(huì)比 GPT-4 快上兩倍。

所以咱這波，就先提前給差友們?cè)囋?GPT-4o 的實(shí)力。

先讓它給咱講一個(gè)童話故事，順便再畫(huà)出整個(gè)故事的分鏡圖。GPT-4o 沒(méi)猶豫幾秒，庫(kù)吃庫(kù)吃就開(kāi)始寫(xiě)了。

寫(xiě)完中間也沒(méi)帶停頓，直接開(kāi)始畫(huà)分鏡了。

而同樣的問(wèn)題再拋給 GPT-4 ，它一開(kāi)始就得磨蹭半天在問(wèn)題上。。。

講清楚要求后才肯繼續(xù)寫(xiě)，而且寫(xiě)完之后也不繼續(xù)畫(huà)分鏡圖，還得等世超我再親自強(qiáng)調(diào)一波。

不過(guò)雖然 GPT-4 比 GPT-4o 墨跡了不少，但從內(nèi)容來(lái)看，我還是會(huì)覺(jué)得 GPT-4 會(huì)更豐富一點(diǎn)。

再借我司老員工火鍋的照片一用，分別讓 GPT-4 和 GPT-4o 生成一張像素風(fēng)的圖片。

在生成速度上 GPT-4o 完勝，但要摳細(xì)節(jié)的話兩個(gè)就半斤八兩了。

GPT-4 識(shí)別出了火鍋?zhàn)炖锏鹬氖谴樱?GPT-4o 多識(shí)別出了一只拖鞋，非要比的話，其實(shí) GPT-4 的金毛更像火鍋一些。。。

（ 左邊 GPT-4 ，右邊 GPT-4o ）

接著，我又讓 GPT-4o 把咱差評(píng)的 LOGO 換成 3D 圖片，結(jié)果它整出來(lái)字，翻遍整本新華字典，估計(jì)都找不到。

但不識(shí)漢字也是歷代 ChatGPT 的老毛病了，換成英文再要求它，你別說(shuō)，這次出來(lái)的整體效果還可以，就是經(jīng)不起細(xì)看，不少英文拼寫(xiě)都是錯(cuò)的。。

整個(gè)上手試下來(lái)， GPT-4o 給我最大的印象就是快，非?？?。

但說(shuō)實(shí)話，除了快，世超真沒(méi)覺(jué)得有啥特別的了，與其說(shuō) GPT-4o 是 GPT-4 的智商進(jìn)化版，倒不如說(shuō)是把 GPT-4 的交互能力單拎出來(lái)強(qiáng)化了一波。

就像奧特曼在博客里提到的， “ 達(dá)到人類(lèi)響應(yīng)時(shí)間和表達(dá)水平 ” 是 AI 的巨大變化。大模型的終極形態(tài)，也應(yīng)該是讓人和 AI 的交流回歸到最原始、最簡(jiǎn)單的形態(tài)。

在未來(lái)，咱們面對(duì)一臺(tái)電腦、一部手機(jī)，直接說(shuō)話交流，就是最主要的交互方式。

不過(guò)這次 GPT-4o 最厲害的殺手锏：視頻交流功能，還沒(méi)放出來(lái)，等到時(shí)候咱能體驗(yàn)到了再下結(jié)論也不遲。

另外，網(wǎng)友們也沒(méi)干坐著，也在各種研究 GPT-4o 的，結(jié)果，卻扒出了一些番外的料。。。

也不知道 GPT-4o 的中文語(yǔ)料庫(kù)是哪兒來(lái)的，里面有不少的釣魚(yú)網(wǎng)站的違禁詞，像什么?“?日本 x 片免費(fèi)視頻?”?這類(lèi)的。

給人老外都整無(wú)語(yǔ)了。。

像這樣的樂(lè)子，以后指不定還要冒出來(lái)不少。但言歸正傳， GPT-4o 的出現(xiàn)確實(shí)又給 AI 開(kāi)了個(gè)新副本。

按照之前 ChatGPT 問(wèn)世之后，其他友商步步緊逼的尿性。世超盲猜，在 GPT-4o 之后，類(lèi)似的 “Claude-o”“Gemini-o” 應(yīng)該很快就會(huì)出現(xiàn)。

剛好很快就是谷歌的 I/O 了，咱們也淺淺期待一手好吧。

圖片、資料來(lái)源：

X ， OpenAI 、 Blog