GPT-4o 发布

概述 GPT-4o（“o"代表 omni）是 OpenAI 的旗舰多模态模型，能够实时处理和生成文本、音频和图像，无缝切换模态。 核心能力 原生多模态：单一模型处理文本、语音、图像、视频 实时语音对话：平均响应延迟 320 毫秒，接近人类对话节奏 情感感知：能识别和表达情感，语气更自然 图像理解：在多项视觉基准上超越 GPT-4V 影响 GPT-4o 将语音助手体验提升至新高度，展示了端到端多模态训练的巨大潜力。 参考 OpenAI GPT-4o 公告 GPT-4o 系统卡