ChatGPT 不断发展。 ChatGPT 的开发商 OpenAI 于 2024 年 5 月 13 日公布了 ChatGPT 的新型号“GPT-4o（GPT-4o/Omni）”，在 Twitter（旧 Twitter）上引起热议。
现在，ChatGPT 已成为一种新模型“GPT-4o”，我们将介绍发生了什么变化、现在可以做什么以及如何使用它。
ChatGPT 的 GPT-4o (GPT4O/Omni) 是什么？与其他一代人工智能相比，性能如何？如何阅读？
“GPT-4o（GPT-4O/Omni”）是生成式AI ChatGPT的最新模型。官方名称和名称是“GPT-4O”，但也读作“GPT-4O”。
最初，ChatGPT 是作为基于文本的生成人工智能而开发的。最初的规范是，如果您以文本形式提出问题或请求某些内容，它将以与您的问题或请求相对应的文本进行响应。
然而，当ChatGPT模型从“GPT-3”进化到“GPT-4”时，可以输入文本以外的内容。例如，它现在可以读取图像并以文本形式输出图像的含义。除了“文本→文本”之外还能够执行“图像→文本”等操作的属性称为“多模态”。
在“GPT-4”的早期模型中，这种“多模态”功能仅向公众开放，并且可以与“图像→文本”一起使用。然而，通过这次更新，“GPT-4o”启用了“视频→文本”、“音频→文本”和“音频→音频”等各种输入/输出格式，并且具有更加“多模态”的性质。 。
“Omni”意味着全方位，它清楚地表达了多模式性能的改进和多种语言能力的提高。
此外，自 GPT-4 的初始模型以来，还进行了各种性能改进。下面是 OpenAI 官方公布的性能图表，将其与各种竞争 AI 进行比较。
可以看出，“GPT-4o”的能力优于初始模型“GPT-4”，并且与各代AI相比，能力也明显更高。
ChatGPT，“GPT-4o”，现在具有更先进的功能，将在许多企业中实施。
ChaT-4o (GPT4O/Omni) 可以免费使用吗？价格？tGP
“GPT-4o（GPT-4O/Omni）”可以免费使用。目前据说每5小时可以使用10次。5小时后，可以再次使用10次。
之前只有付费版本用户才能使用的“GPT”、“网页浏览”和“Python执行”等功能都免费提供
在付费“Plus”版本中，您每 3 小时可以使用最新型号“GPT-4o”80 次。
以下是付费“Plus”用户和免费用户可以使用的功能的摘要。
如何使用 ChatGPT-4o
我将向您展示如何使用 ChatGPT 的“GPT-4o GPT-4O/Omni”。
对于免费用户，GPT-4o通常是默认的。如果在5小时内连续使用10次左右，将自动切换为GPT-3.5模型。
什么是ChatGPT？
ChatGPT是美国OpenAI开发的生成式人工智能。 ChatGPT 是 GPT（Generative Pre-trained Transformer）系列的一部分，专门基于 GPT-4。该模型旨在辅助自然语言处理任务，涵盖各种与语言相关的任务，包括对话生成、问答、文本摘要、翻译和创意内容生成。
ChatGPT 的功能包括能够进行自然的、类人的对话，并支持多用途任务，例如回答问题、讲故事和技术支持。它还对来自互联网的各种文本数据进行了预训练，因此它具有广泛的知识。它还能够根据用户输入灵活响应并按照指示执行许多不同的任务。
ChatGPT 的使用示例包括客户支持中的自动响应系统、教育中回答学生问题和生成教育材料、创意写作中生成诗歌和故事、集思广益以及编程支持中生成和调试代码等。
至于技术背景，ChatGPT 基于名为 Transformer Networks 的神经网络架构，该架构在大型数据集上进行预训练，然后针对特定任务进行微调。这种方法使得拥有先进的语言理解和表达能力成为可能。 ChatGPT 有望在更广泛的领域得到应用，因为它可以适应用户需求并提供多种响应。
ChatGPT 的 GPT-4 和 GPT-4o (GPT4O/Omni) 有什么区别？您可以做什么/商业用途示例
响应速度显着提高
“GPT-4o”现在能够对语音输入做出极快的响应，最短为 232 毫秒，平均为 320 毫秒。这种响应速度非常接近人类的响应速度，可以与用户进行更流畅、更自然的交互。
提高中文能力
GPT-4o 在英语以外的语言（尤其是中文）上的性能有了显着提升。传统的GPT模型主要是在英语数据上训练的，因此在中文等非英语语言中的性能仍有改进的空间。然而，有了GPT-4o，加强了包括中文在内的多语言数据的训练，中文理解和生成的性能有了很大的提高。
终于可以进行语音输入了。强大的创造分钟数功能
“GPT-4o”的主要进步之一是它支持语音输入。这允许用户使用语音和文本与 ChatGPT 进行交互。
例如，通过使用该语音输入功能，用户可以在ChatGPT上观看现场体育比赛，并让ChatGPT解释该运动的规则。 ChatGPT 能够理解语音提供的信息并据此生成适当的响应。
这种新的音频模式是 GPT-4o 的新功能之一，并将在未来几周内作为 alpha 版本发布。
“GPT-4o”还可以从音频数据中识别说话者并转录每个说话者的话语。换句话说，只需输入来自会议或会议的音频，GPT-4o 就会自动识别谁说了什么，并转录并记录每句话。
此外，“GPT-4o”还可以分析每个说话者的情绪。您可以根据说话者的语气和用词来确定说话者的陈述是积极的、消极的还是中立的。这使您可以记录会议的气氛和参与者的反应。
“GPT-4o”还具有同声传译功能。即使在多语言会议中，GPT-4o 也可以立即翻译和转录每个发言者所说的内容。这使得沟通能够超越语言障碍。
综合来看这些功能，可以说“GPT-4o”作为分钟创建工具是极其强大的。通过使用单个人工智能来执行发言者识别、转录、情绪分析和同声传译等功能，可以极大地简化会议记录和分析。
传统的会议纪要创建工具主要专注于转录，但 GPT-4o 还可以执行发言者识别和情绪分析，使您能够创建捕获更多细节和上下文的会议纪要。这将帮助您更好地理解会议内容，并帮助您制定后续行动计划。
GPT图像/字符识别超级增强
“GPT-4o”极大地提高了其对中文字符的识别能力，而此前这一能力被认为较弱。
GPT-4o 还改进了图像生成功能。 GPT-4o还支持视觉故事生成，从而可以确保生成图像的一致性。以前的图像生成通常会导致图像损坏，但此更新提高了一致性。
例如，使用GPT-4o，您可以生成各种视觉内容，例如机器人在打字机上写日记。由此产生的图像描绘了一个连贯的故事作为一个整体，而不是独立的单个元素。由此，GPT-4o 进化为具有丰富表达能力的 AI。
GPT-4o增强的中文字符识别和图像生成将为中文用户带来巨大的好处。现在可以简化过去需要时间的任务，例如自动处理收据和创建视觉内容。
一致的图像生成在讲故事和解释等情况下也很有效。 GPT-4o 生成的图像在视觉上补充了文本描述并有助于提高理解。
现已提供 Google Drive 和 Microsoft OneDrive 的文件上传功能
“GPT-4o”的新功能之一是能够从 Google Drive 和 Microsoft OneDrive 上传文件。
此功能允许用户将存储在 Google Drive 或 Microsoft OneDrive 上的文件直接上传到 ChatGPT。这允许用户将文档、电子表格、演示文稿等无缝导入 ChatGPT，然后要求 ChatGPT 提出有关这些文件的问题或执行任务。
例如，用户可以将 Google Drive 上的报告上传到 ChatGPT，并要求您总结其内容。您还可以在 Microsoft OneDrive 上上传电子表格，并要求 ChatGPT 分析和可视化数据。
这种文件上传功能可以让ChatGPT更深入地融入到用户的业务流程中。通过将工作中使用的文件直接导入 ChatGPT，用户将能够更高效、更有效地使用 ChatGPT。
以上，总结了“GPT-4o”的要点、如何使用、以及如何将其用于商业用途。感谢阅读。。