去年五月，OpenAI 公司推出了其革命性旗舰模型 GPT-4o，特别强调了音频理解能力，旨在提供与人类对话相似的响应体验。GPT-4o 的平均响应时间仅为 320 毫秒，显著提升了语音交互的流畅度。OpenAI 表示，这是他们首次将文本、视觉和音频集成于一体的模型，通过端到端的训练，所有输入和输出都由同一神经网络处理，开启了多模态模型的探索。
六月份，OpenAI 宣布原计划六月底向 ChatGPT Plus 用户推出的语音功能将推迟一个月，目的是优化模型对不当内容的处理能力，并升级基础设施，以确保实时响应能力，即使在服务数百万用户的情况下。
今日，OpenAI 首席执行官 Sam Altman 确认，针对 ChatGPT Plus 订阅者的语音功能初步发布将于下周开始。与现有模型相比，基于 GPT-4o 的高级语音功能将实现无延迟的流畅对话，显著改善用户交互体验。
此外，OpenAI 还宣布了 SearchGPT，这一网络搜索体验的新产品目前处于原型阶段，旨在提供快速、精准的答案，来源清晰且相关。SearchGPT 的目标是结合AI搜索特性，让用户能够迅速找到所需的信息，更多详情可参阅相关公告。
0条评论