OpenAI版Her登場(chǎng)，GPT能實(shí)時(shí)視頻通話(huà)了！德?lián)銩I之父：比 o1“更受寵”的模式降臨

整理｜華衛(wèi)昨天OpenAI的風(fēng)頭幾乎都被谷歌搶盡了，不少用戶(hù)都直接站隊(duì)Gemini 2.0 ，稱(chēng)其是“GPT-5 級(jí)別的威脅”，不僅能生成文字外，還能直接生成圖片和語(yǔ)音。更為關(guān)鍵的是，Gemini 2.0供全球用戶(hù)使用，而且有專(zhuān)門(mén)的實(shí)驗(yàn)版模型對(duì)所有開(kāi)發(fā)者免費(fèi)開(kāi)放。今天，OpenAI就帶來(lái)了高級(jí)語(yǔ)音模式的功能更新：實(shí)時(shí)視頻通話(huà)、屏幕共享和圖像上傳。即日起，這三項(xiàng)功能將在接下來(lái)幾天內(nèi)向所有 Team、以及大多數(shù) ChatGPT Plus 和 Pro 用戶(hù)推出（歐盟、瑞士、冰島、挪威和列支敦士登的用戶(hù)除外），Enterprise 和 Edu 用戶(hù)將在明年 1 月獲得訪(fǎng)問(wèn)權(quán)限。其中，屏幕共享和圖片上傳僅在 iOS 和 Android 移動(dòng)應(yīng)用程序的高級(jí)語(yǔ)音模式中推出。現(xiàn)在ChatGPT可以“看到和聽(tīng)到”高級(jí)語(yǔ)音模式在去年發(fā)布的 GPT-4o 中已經(jīng)預(yù)覽過(guò)，但只有音頻模式是實(shí)時(shí)的。現(xiàn)在，用戶(hù)可以使用手機(jī)攝像頭與 ChatGPT ，大模型將會(huì) “看到 ”你所看到的一切，包括你的手機(jī)屏幕。進(jìn)行實(shí)時(shí)視頻通話(huà)功能的演示時(shí)，OpenAI的首席產(chǎn)品官 Kevin Weil首先牽頭測(cè)試了一番ChatGPT的“記憶”能力。在OpenAI 的團(tuán)隊(duì)成員依次與ChatGPT視頻打過(guò)招呼并有了一定的認(rèn)識(shí)后，Weil要求它回憶各位成員的特征并說(shuō)出相應(yīng)的姓名。接下來(lái)， Weil 又和其他 OpenAI 團(tuán)隊(duì)成員演示了 ChatGPT 協(xié)助如何制作手沖咖啡：通過(guò)將攝像機(jī)對(duì)準(zhǔn)動(dòng)作，AVM 展示了它對(duì)咖啡機(jī)原理的理解，并引導(dǎo)提問(wèn)者完成咖啡的整個(gè)沖泡過(guò)程。并且，在整個(gè)演示過(guò)程中，ChatGPT Advanced Voice 保持了自然而親切的聲音，還調(diào)整了它的語(yǔ)氣，甚至像人類(lèi)一樣大笑。有網(wǎng)友開(kāi)玩笑道，“下一步GPT該指導(dǎo)人做飯了。”還有網(wǎng)友表示，“Her正在慢慢成為現(xiàn)實(shí)”，“如果這不是 AGI，我不知道什么是。”該團(tuán)隊(duì)還展示了 ChatGPT 如何理解上傳的屏幕截圖，這對(duì)于需要ChatGPT提供技術(shù)支持或協(xié)助處理屏幕內(nèi)容的情況非常有用。當(dāng)選擇 “共享屏幕 ”時(shí)，會(huì)彈出手機(jī)的屏幕共享選項(xiàng)，允許用戶(hù)將屏幕廣播給 ChatGPT；開(kāi)始屏幕共享后，再次按下屏幕共享按鈕即可停止與 ChatGPT 共享屏幕。同時(shí)，OpenAI官方提醒到，ChatGPT 可能會(huì)自動(dòng)響應(yīng)用戶(hù)從相機(jī)或屏幕上分享的內(nèi)容。此外，在用戶(hù)停止分享后，ChatGPT 可能仍會(huì)引用其之前在對(duì)話(huà)中分享的內(nèi)容。但OpenAI保證，除非用戶(hù)啟用了“為每個(gè)人改進(jìn)模型”，否則他們不會(huì)使用對(duì)話(huà)中上傳的音頻或視頻片段來(lái)訓(xùn)練大模型。比o1“更受歡迎”的模式來(lái)了？高級(jí)語(yǔ)音模式基于原生多模態(tài)GPT-4o模型，可以直接接收和輸出音頻，提供更自然的對(duì)話(huà)節(jié)奏和情感表達(dá)。OpenAI 首席技術(shù)官 Muri Murati 表示，GPT-4o 提供了“GPT-4 級(jí)別”的智能，但改進(jìn)了 GPT-4 在文本、視覺(jué)以及音頻方面的能力。據(jù)介紹，高級(jí)語(yǔ)音模式支持超過(guò)50種語(yǔ)言，9種逼真輸出語(yǔ)音選項(xiàng)，且每種語(yǔ)音都有自己獨(dú)特的語(yǔ)氣和特征。而其背后的GPT-4o 不僅可以將語(yǔ)音轉(zhuǎn)換為文本，還可以理解和標(biāo)記音頻的其他功能，例如呼吸和情感。在圣誕節(jié)期間，OpenAI還新增了Santa Mode（圣誕模式），用戶(hù)可以在ChatGPT中與圣誕老人的聲音進(jìn)行實(shí)時(shí)互動(dòng)，支持移動(dòng)應(yīng)用、桌面應(yīng)用和網(wǎng)頁(yè)版。用戶(hù)通過(guò)點(diǎn)擊現(xiàn)在ChatGPT主屏幕上的雪花圖標(biāo)，或者在設(shè)置頁(yè)面中找到并選擇圣誕老人，就你可以向圣誕老人詢(xún)問(wèn)關(guān)于圣誕節(jié)的問(wèn)題。為了讓更多用戶(hù)體驗(yàn)與圣誕老人對(duì)話(huà)的功能，首次與圣誕老人進(jìn)行高級(jí)語(yǔ)音對(duì)話(huà)的用戶(hù)，其高級(jí)語(yǔ)音使用額度將被重置一次。即使你當(dāng)天的或本月的使用額度已用完，也可以立即與圣誕老人進(jìn)行語(yǔ)音對(duì)話(huà)。超出重置后的額度后，用戶(hù)也可以通過(guò)文字方式與圣誕老人。OpenAI高級(jí)研究科學(xué)家、德?lián)銩I之父Noam Brown甚至稱(chēng)，“我完全相信圣誕老人模式會(huì)比 o1 吸引來(lái)更多的訂閱用戶(hù)。”結(jié)語(yǔ)OpenAI直播第六天，CEO Sam Altman并沒(méi)有出現(xiàn)，而是由包括OpenAI的首席產(chǎn)品官 Kevin Weil、OpenAI產(chǎn)品經(jīng)理Jackie Shannon、負(fù)責(zé)多模態(tài)的OpenAI技術(shù)團(tuán)隊(duì)成員Michelle Qin和Rowan Zellers在內(nèi)的四位員工來(lái)介紹了更新的功能。其中，Michelle Qin是唯一的華人，入職OpenAI六個(gè)月。根據(jù)其個(gè)人主頁(yè)的介紹，Michelle Qin是斯坦福大學(xué)理學(xué)士和碩士畢業(yè)生，主修人工智能領(lǐng)域的計(jì)算機(jī)科學(xué)。此前曾有過(guò)在蘋(píng)果和Pika工作的經(jīng)歷。然而，OpenAI第六天的更新也迎來(lái)一波網(wǎng)友的吐槽。有網(wǎng)友評(píng)價(jià)，這次的更新很“無(wú)聊”，或許明天會(huì)“很瘋狂”。也有網(wǎng)友認(rèn)為，“這只是Sora上線(xiàn)后的一個(gè) ‘降溫 ’功能。”還有網(wǎng)友表示，“谷歌在正式發(fā)布之前就向用戶(hù)發(fā)布了 Gemini 2，并且從一開(kāi)始就提供實(shí)時(shí)語(yǔ)音和視頻，OpenAI卻在發(fā)布后花了將近半年的時(shí)間才推出。”值得一提的是，就在昨天下午，ChatGPT 還突然宕機(jī)了近4個(gè)小時(shí)，就連新發(fā)布的Sora也未能幸免。ChatGPT宕機(jī)之時(shí)，眾多用戶(hù)都直呼“全球?qū)W術(shù)停擺了”。而這已經(jīng)不是ChatGPT第一次發(fā)生這樣的情況，上個(gè)月ChatGPT癱瘓了30分鐘，今年6月的宕機(jī)甚至持續(xù)了5小時(shí)以上。參考鏈接：https://help.openai.com/en/articles/8400625-voice-mode-faq會(huì)議推薦12 月 13 日至 14 日（周五至周六），AICon 全球人工智能開(kāi)發(fā)與應(yīng)用大會(huì)將在北京盛大開(kāi)幕！本次大會(huì)匯聚 70+ 位 AI 及技術(shù)領(lǐng)域的頂尖專(zhuān)家，深入探討大模型與推理、AI Agent、多模態(tài)、具身智能等前沿話(huà)題。此外還有豐富的圓桌論壇、以及展區(qū)活動(dòng)，帶你深入探索大模型的最新實(shí)踐與未來(lái)趨勢(shì)。年度最后一次 AI 盛宴，讓我們一起見(jiàn)證 AI 未來(lái)。今日薦文ChatGPT Canvas免費(fèi)啦！集成Python仿真器，支持在線(xiàn)修Bug，生產(chǎn)力飆升Sora 剛正式登場(chǎng)就把OpenAI系統(tǒng)干廢了！Altman緊急暫停新用戶(hù)注冊(cè)阿里合伙人為“爹味發(fā)言”道歉：自罰三個(gè)月工資；美圖出售加密貨幣獲利5.7億；虧損11億、上市對(duì)賭失敗，公司啟動(dòng)全員降薪 | AI周報(bào)OpenAI深夜炸場(chǎng)！一口氣放出o1模型全家桶，月費(fèi)200美元的ChatGPT Pro被狂槽：Altman只想躺在上數(shù)錢(qián)谷歌最強(qiáng)世界模型“硬控”O(jiān)penAI 一分鐘：智能體交互、替你玩游戲！等等，智能體們?cè)缭谟螒蚶?cosplay、交友了！你也「在看」嗎？??