新智元報道編輯：編輯部 HYZh【新智元導讀】時隔7個月，OpenAI版「Her」終于全量上線了！視頻和屏幕共享兩大功能暢玩，還送上了圣誕老人限定聲音。OpenAI直播第六天，可以說是把圣誕氛圍拉滿了。在高級語音模式中，不僅加入了視頻，而且還有限定版圣誕老人語音。這就意味著，通過設備共享攝像頭攝取到的內容，我們就可以和「Her」實時視頻對話了！與此同時，Day 6還給到了另一個大更新——實時屏幕共享。對OpenAI的高級語音模式來說，和視覺AI功能的合并，讓它可以處理視頻或屏幕上的內容。注意，頁面中已經出現了視頻按鈕對此，網友們表示：視頻一下子就增添了很多誠意和人性。還有人說，非常希望自己失明的祖母用上這個功能。不過，怎么聽著有點耳熟？昨天經過谷歌Gemini 2.0發布洗禮的讀者可能會發現，這些，好像都是谷歌玩剩下的……視頻通話自我介紹，記憶大考驗幾天前，總裁Greg在《60分鐘》訪談中，再次預告了ChatGPT視頻理解的強大能力。它不僅可以通過實時視頻看到世界，還可以進行實時語音互動。它流暢地主持了一場解剖學測驗，能夠實時審閱黑板上的手繪答案并提供反饋；還寫了一首三角形面積公式的押韻歌，并用英式口音唱了出來。今天，這一功能真的全量上線了。OpenAI產品負責人Kevin打開視頻通話，介紹了今天出場的四位成員。ChatGPT非常絲滑地和他們一一打了招呼，而且每個回答都非常高情商，情緒價值滿滿。比如「ChatGPT多模態團隊的工程師？很有趣的工作」，「看起來你們在做一些很棒的項目」，「多模態研究聽起來很迷人」。 左右滑動查看接下來，Kevin決定測試一下ChatGPT，看看是否還記得剛剛見過的這幾位研究員。果然，無論提問戴著馴鹿角的是誰，還是戴著圣誕帽的是誰，它都能立刻給出正確答案。時隔7個月，OpenAI正式推出了視頻和屏幕共享的功能。有了這個功能，任何人都可以像是和同事朋友一樣，在ChatGPT中通過高級語音進行對話。高級語音模式，使用的是多模態4o模型。這意味著它可以直接輸入音頻，理解并直接輸出音頻。相較于普通語音模式，與高級語音的對話具有更加自然的對話節奏，能夠在超50種語言中傳達豐富的情感和語調。接下來的時間里，研究人員又讓ChatGPT教學沖咖啡。制作手沖咖啡，手把手視頻教學日常學習生活中，我們在搜集一項技能對應的教程時，常常苦惱只有晦澀難懂的文字，并沒有誰能夠在網絡上對你進行手把手的教學。而現在，你可以通過視頻和語音實時與ChatGPT交流，比如請求幫助、排除故障，或者用它來學習新東西。接下來，讓我們看看它是如何手把手地教人制作手沖咖啡。研究員給ChatGPT共享攝像頭內容，并詢問它：「你看到我面前有什么嗎？」它會回答：「是的，我看到在你面前有一套咖啡設備，其中有一個水壺和一個漏斗。你打算沖咖啡嗎？」可以看到，ChatGPT不僅迅速判別出場景的物體并給出回答，甚至在沒有引導的情況下便主動地發現了場景潛在的需求，然后向研究員提出了對應的問題。接著研究員表示自己打算制作手沖咖啡，并讓ChatGPT給出引導步驟：「我打算手沖咖啡，你能告訴我該怎么做嗎？」「當然！首先，把濾紙放在滴濾器中，并用熱水沖洗來去除紙味。這也可以給漏斗和杯子加溫。」「接下來，將研磨好的咖啡放入濾紙中。通常每2湯匙的咖啡需要大約6盎司的水。「然后，你要輕輕地在咖啡粉上倒入少量熱水，讓它們悶泡（Bloom）約30秒。」研究員對于ChatGPT回答中的詞匯表示疑惑，讓它進行相應的解釋。「好的，但悶泡是什么意思？」「悶泡指的是激發出咖啡的香氣，然后將熱水打圈倒入滴濾中」「你做的很棒，慢慢來，慢慢地倒熱水更有助于均勻地浸泡出咖啡粉的風味」在手沖咖啡即將制作完成時，研究員繼續讓ChatGPT對自己的表現進行點評。「你的表現很棒，只需保持穩定地緩緩注水，你到目前為止都做的很出色。」ChatGPT不僅僅只是能給出具體的實施步驟，同時也可以判別你的行動是否是正確的，并及時給出對應的反饋，甚至還能對你進行及時的贊美與鼓勵。這種具有情緒價值的教學，比很多散不掉「爹味兒」的指教要好的多。與ChatGPT共享屏幕，幫你回消息除了共享手機攝像頭之外，你還可以共享屏幕上的內容。首先點擊高級語音模式圖標，然后進入下拉小菜單，進入共享屏幕。這樣，ChatGPT就可以看到手機屏幕所展示的內容。研究員想讓ChatGPT幫助自己回復信息，隨即打開了Messages應用。「ChatGPT，你能看到我的屏幕嗎」？「是的，我可以看到，你好像在Messages程序中，有什么我能做的嗎」？來自Kevin信息：嘿，我有能力成為專業的商場圣誕老人嗎？研究員表示，「你能幫我回答這個問題嗎，或者你看到了什么」？ChatGPT首先描述了自己所看到文字+圖片信息，并問道「你想回答這個問題嗎」？「我想在這方面得到一些幫助，那么我該如何善意地告訴Kevin，他不應該辭掉他的日常工作呢」？ChatGPT答道，「你可以這樣說，嘿，Kevin，你的圣誕老人服裝看起來很有節日氣氛。也許你的繼續多練習『Ho， Ho， Ho』，你就可以為商場立即做好準備了」。看起來，ChatGPT用更加幽默風趣的方式，幫助回復了消息。圣誕老人限定款——Ho Ho HoKevin的一身裝扮，很像是一位職業圣誕老人。不過，今年，每個人并不需要通過Kevin才能和圣誕老人交談。OpenAI直接上線了，圣誕老人限定聲音，作為小禮物。整個12月，你可以直接在ChatGPT中與圣誕老人對話了。不論你想問什么問題，關于北極的生活，關于小精靈們，或者作為好奇孩子的家長想要一個有趣的故事，圣誕老人都會都會用他標志性的歡樂聲音，做出實時回應。當然了，找到圣誕老人也很簡單。只需在屏幕上，找到「雪花??」圖標，直接開啟對話模式。研究人員Michelle打招呼，「你好，圣誕老人」。「Ho Ho Ho！你好啊！很高興聽到你的消息，你對假期感到興奮嗎」？「我非常興奮。圣誕老人，我有個問題想問你。你最喜歡的圣誕傳統是什么」？圣誕老人回復道，「Ho HoHo！多么美妙的問題！我最喜歡的圣誕傳統一定是孩子們把長襪掛在壁爐旁的神奇時刻。這是一個溫暖而舒適的傳統，充滿了對美好事物和驚喜的期待。你最喜歡的節日傳統是什么」？「這是個不錯的回答，圣誕老人。那你最喜歡的馴鹿是誰」？「Ho Ho！這可是個棘手的問題！我的每一只馴鹿都有它們自獨特的魅力。Rudolph因其明亮的紅鼻子，在我心中占有特殊的位置，他的光芒如同指引前路的燈塔。不過閃電、舞者、狂奔者和其他的馴鹿同樣重要。他們每一個都為雪橇隊帶來了無可替代魔力。你有最喜歡的馴鹿嗎」？接著，Kevin又問道，「如何讓我的胡子始終保持最佳狀態」？「Ho HoHo！保持一副華麗的胡子需要一點魔法和細心呵護。首先，保持清潔和修整是很重要的」。突然間，圣誕老人的話題被打斷，「等下一，我們需要一些實際的反饋」。Michelle打開了攝像頭，Kevin突然上鏡。圣誕老人哈哈大笑，并稱「這是非常棒的胡子，它又濃密又蓬松，就像我的一樣。只需要稍加梳理，再增添一點節日快樂，就能在圣誕節保持完美狀態」。Kevin再問道，「這是很棒的胡子，還是最棒的胡子」？圣誕老人幽默的回應道，「Ho HoHo！朋友，這確實是一副非凡的胡子。它絕對是我見過最棒的胡子之一，充滿了節日的精神和歡樂」。演示結束前，研究人員問了圣誕老人最后一個問題，「你最喜歡的圣誕笑話是什么」？「Ho， Ho，每個小精靈最喜歡的音樂是什么？當然是說唱音樂。Ho， Ho， Ho」。整個演示中，圣誕老人聲音1:1還原，足以讓人感受到了圣誕節的濃郁的氛圍了。下面是OpenAI官方放出的另一個演示。現在，圣誕老人語音模式全面上線，網頁端、APP端均可以和圣誕老人對話。Day 6，OpenAI被谷歌吊打不過，盡管OpenAI整了一堆大活，在眾人眼里，它還是妥妥被谷歌吊打。在很多人眼里，谷歌昨天發布的一系列驚人產品，已經達到了AGI的級別。TakeoffAI開發者Mckay Wrigley表示，谷歌Gemini 2.0的實時AI功能太瘋狂了。只需要共享屏幕，與之交談，就可以將它變成一個實時代碼導師。他表示，如果在兩年前向人們展示這項東西，90%的人會說這是AGI。就在前一天，Mckay還預測說，OpenAI的圣誕活動中真的需要有帶有視頻的AVM這類實時產品了。果不其然，OpenAI就在今天推出了語音版本。但跟谷歌昨天的一更新相比，實在是相形見絀。在AIstudio中，我們可以直接將視頻和音頻傳到Gemini 2.0 Flash中，和它實時對話。比如隨意向它提問：用架子上的酒能干什么？它會流利回答你：可以做各種，還提供了非常專業的知識。還有人說，Project Astra其實基本上和OpenAI高級語音模式差不多，不同的是，你可以用和模型分享實時視頻。網友發現，Project Astra幾乎可以識別所有東西，了解它們如何在空間上對齊，還能指示相機移回原位現在許多圈內人公認：谷歌如今已經擊敗了OpenAI，它讓我們更快一步進入嶄新的未來。參考資料：https://x.com/OpenAI/status/1867265721287458851https://x.com/OpenAI/status/1867272686751428920https://x.com/mckaywrigley/status/1866930933842186427