OpenAI最新推出的人工智能模型GPT-4o在实时对话和对周围环境的理解方面取得了显著进展。该模型不仅能够快速回应，平均回应时间仅为320毫秒，而且能够保留对话中的语调、情绪和背景音等丰富信息。
与以往的ChatGPT语音模式相比，GPT-4o是OpenAI首个能够自行处理文字、视觉和音讯的模型，从而更好地理解多模态信息。通过单一神经网络处理所有输入和输出，GPT-4o更贴近人们对多模态的想像，从而提供更加全面和丰富的对话体验。
在演示中，OpenAI总裁Greg Brockman展示了GPT-4o的强大功能，包括描述现场环境、辨别事件以及进行对唱等。这一创新将为人工智能领域带来新的发展机遇，同时也可能推动竞争加剧，促使其他公司加速研发多模态AI技术。
