ChainCatcher 消息，日前 OpenAI 首席执行官 Sam Altman 在社交平台上透露，将于本周对 ChatGPT Plus 订阅用户开放 Alpha 版本 GPT-4o 的语音模式（Voice Mode），以帮助用户进行无延迟的流畅对话。 据目前的公开信息显示，ChatGPT 语音模式由于平均延迟为 2.8 秒（GPT-3.5）和 5.4 秒（GPT-4），因此使用体验并不直观，而 GPT-4o 则会大幅缩短延迟时间、从而实现无缝对话。

ChainCatcher 消息，据 CNBC 报道，人工智能初创公司 OpenAI 推出了一款新的人工智能模型“GPT-4o mini”，并称新版本是“当今功能最强大、最具成本效益的小型型号”，并计划稍后将图像、视频和音频集成到其中。 据悉，GPT-4o 中的 o 代表 omni，GPT-4o 改进了音频、视频和文本功能，能够以更高的速度和质量处理 50 种不同的语言。

ChainCatcher 消息，OpenAI 发布最新旗舰级模型 GPT-4o，可以实时推理音频、视觉和文本，主打概念为拟人化、超自然、超低时延的个人语音交互助理。 根据 OpenAI 官方网站及 X 平台官方账号相关信息，GPT4o 中的 o 代表 Omni（全面），是迈向更自然的人机交互的一步——它接受文本、音频和图像的任意组合作为输入，并支持生成任意组合的文本、音频和图像输出。它可以在 232 毫秒内响应音频输入，平均 320 毫秒，与对话中人类反应时间相似。在英语和代码方面，它与 GPT-4 Turbo 性能相当，在非英语语言文本上有显著改进，同时 API 速度更快且成本便宜 50%。与现有模型相比，GPT-4o 在视觉和音频理解方面表现特别出色。文本和图像输入将于今日在 API 和 ChatGPT 中推出，语音和视频输入将在未来几周内推出。