ChainCatcher 메시지에 따르면, 최근 OpenAI CEO Sam Altman은 소셜 플랫폼에서 이번 주에 ChatGPT Plus 구독 사용자에게 Alpha 버전 GPT-4o의 음성 모드(Voice Mode)를 개방할 것이라고 밝혔습니다. 이는 사용자가 지연 없이 원활한 대화를 할 수 있도록 돕기 위함입니다.현재 공개된 정보에 따르면, ChatGPT 음성 모드는 평균 지연 시간이 2.8초(GPT-3.5)와 5.4초(GPT-4)로 인해 사용 경험이 직관적이지 않지만, GPT-4o는 지연 시간을 대폭 단축시켜 원활한 대화를 실현할 것입니다.

ChainCatcher 메시지에 따르면, CNBC는 인공지능 스타트업 OpenAI가 새로운 인공지능 모델 "GPT-4o mini"를 출시했다고 보도했으며, 새 버전은 "현재 가장 강력하고 비용 효율적인 소형 모델"이라고 주장하고, 이후 이미지, 비디오 및 오디오를 통합할 계획이라고 전했습니다.전해진 바에 따르면, GPT-4o의 o는 omni를 의미하며, GPT-4o는 오디오, 비디오 및 텍스트 기능을 개선하여 50가지 서로 다른 언어를 더 높은 속도와 품질로 처리할 수 있습니다.

ChainCatcher 메시지, 구글은 오늘 새벽 "I/O 2024" 연례 개발자 회의를 개최하고, OpenAI가 발표한 GPT4o처럼 텍스트, 오디오, 비디오의 다중 모드 실시간 추론을 구현할 수 있는 새로운 AI 에이전트 제품 Project Astra를 발표했습니다.또한 Gemini 1.5 Pro의 업데이트를 출시했으며, 이 인공지능 모델은 곧 더 많은 데이터를 처리할 수 있게 될 것이며, 새로운 더 작은 Gemini 1.5 Flash AI 모델도 출시되었습니다.또한 구글은 고화질 비디오 생성을 위한 최신 모델 "Veo"와 최고 품질의 텍스트-이미지 모델 Imagen 3을 발표했으며, 이 모델은 사실적인 이미지를 제공하고 "이전 모델보다 주의 산만을 덜 일으키는 시각적 왜곡"을 약속합니다.

ChainCatcher 메시지, OpenAI가 최신 플래그십 모델 GPT-4o를 출시했습니다. 이 모델은 실시간으로 오디오, 비주얼 및 텍스트를 추론할 수 있으며, 주된 개념은 의인화, 초자연적, 초저지연 개인 음성 상호작용 도우미입니다.OpenAI 공식 웹사이트 및 X 플랫폼 공식 계정의 관련 정보에 따르면, GPT4o의 o는 Omni(전면적)를 의미하며, 보다 자연스러운 인간-기계 상호작용을 위한 한 걸음입니다------텍스트, 오디오 및 이미지의 임의 조합을 입력으로 받아들이고, 임의 조합의 텍스트, 오디오 및 이미지 출력을 생성하는 것을 지원합니다. 이 모델은 232밀리초 내에 오디오 입력에 응답할 수 있으며, 평균 320밀리초로 대화 중 인간의 반응 시간과 유사합니다. 영어 및 코드 측면에서 GPT-4 Turbo와 성능이 비슷하며, 비영어 언어 텍스트에서 상당한 개선을 보이고, API 속도가 더 빠르고 비용이 50% 저렴합니다. 기존 모델과 비교할 때, GPT-4o는 비주얼 및 오디오 이해에서 특히 뛰어난 성능을 보입니다. 텍스트 및 이미지 입력은 오늘 API 및 ChatGPT에서 출시되며, 음성 및 비디오 입력은 향후 몇 주 내에 출시될 예정입니다.