据中新网报道 北京时间5月14日，研发ChatGPT的OpenAI公司，推出了具备“听、看、说”能力的GPT-4o。

　　OpenAI网站称，GPT-4o的“o”代表“omni”。在英语中“omni”常被用作词根，用来表示“全部”或“所有”的概念。

　　据介绍，GPT-4o可以实时对音频、视觉和文本进行推理，接受文本、音频和图像的任意组合输入，并生成文本、音频和图像的任意组合输出。

　　OpenAI称，GPT-4o可以在短至232毫秒的时间内对音频输入做出反应，平均反应时间为320毫秒，这与人类在对话中的反应时间相近；不过由于GPT-4o是该公司第一个结合了文本、视觉和音频等模式的模型，因此公司在探索该模型的功能及其局限性方面仍处于起步阶段。

　　有网友表示，根据目前展示的视频来看，GPT-4o在语音交互体验上提升了不少。也有网友提出，既然GPT-4o具备了“视觉”，它是否可以代替盲人看世界。

　　GPT-4o能做啥

　　用户紧张时给予安慰

　　现场，OpenAI展示了GPT-4o的多个应用场景。例如，在一个演示中，OpenAI前沿研究负责人马克·陈通过手机与ChatGPT进行对话。陈对ChatGPT说，他正在进行演示有些紧张，于是ChatGPT就“像朋友一样”，对他进行了安慰。同时，ChatGPT还能从陈急促的喘气声中听出他很紧张，然后对他说：“慢一点，马克，你不是吸尘器。吸气，然后数到四。”

　　分辨人的表情和情绪

　　在另一个演示中，OpenAI后训练团队负责人巴雷特·佐夫把脸对着镜头，让GPT-4o看看自己的情绪如何。在演示的过程中，佐夫先打开了手机的后置摄像头，拍到了木质桌面，于是ChatGPT说：“我看到的好像是木质表面。”而让ChatGPT通过摄像头看到人脸后，ChatGPT对佐夫说：“你看起来很开心，笑容灿烂，也许还有一丝兴奋。”

　　说话语气“像真人”

　　同时，OpenAI还在官网发布了一系列演示视频：GPT-4o可以帮助学习数学、学习西班牙语、准备面试，可以通过画面判断出用户正在过生日，然后为用户唱生日快乐歌，可以根据要求唱不同风格的催眠曲，甚至还可以当“石头剪刀布”的裁判。而在这些视频中，GPT-4o与演示者的对话流畅，说话语气就“像真人一样”。