在5月13日的線上發表會上，OpenAI的技術總監米拉·穆拉蒂（Mira Murati）主持了新模型「GPT-4o」的發布。GPT-4o中的「o」代表「Omni」，即全能模型，能夠處理文字、聲音和圖像三種格式的輸入。該模型的回應時間最快僅需232毫秒，幾乎與人類的反應速度相當。
米拉·穆拉蒂宣布，GPT-4o將免費提供給所有用戶。這款新模型的名稱「o」象徵了其全方位的能力，能夠跨越文字、音訊和視訊進行推理。OpenAI在聲明中表示：「我們很高興推出GPT-4o，這是我們全新的旗艦模型，能夠即時推理音訊、視訊及文字。」
GPT-4o的推出標誌著人工智慧技術的又一次重大突破，展示了其在多模態處理和即時反應能力上的強大實力。GPT-4o 將重新定義人工智慧領域，讓我們深入探討領人嘆為觀止的亮點關鍵領域吧!
目次
ChatGPT是什麼?
ChatGPT是「生成型預訓練變換模型（Generative Pre-trained Transformer）」的縮寫，是一種強大的語言模型。由OpenAI開發，這系列模型能執行非常複雜的任務，如回答問題、生成文章和程式碼、翻譯文本等。ChatGPT不僅僅是個聊天機器人。它能回答各種問題，提供詳盡的回覆、寫程式、debug，甚至撰寫論文、劇本、小說、詩歌等都難不倒它。儘管有時會給出令人啼笑皆非的答案，但其回覆通常都有條理且令人驚豔。
自從ChatGPT開放公眾使用以來，已經吸引了超過100萬用戶。社群媒體上也充斥著用戶測試的截圖，涵蓋了廣泛的主題，大家都在探索人工智慧的極限。
GPT-4o Mini：突破性高效能 AI 模型，顯著提升語言理解與應用CP值
GPT-4o mini 於7月18日推出為免費版本，旨在擴大人工智慧的應用範圍，與 GPT-4 模型相比，GPT-4o mini 在回覆提問上表現更佳。根據 OpenAI 的數據結果顯示：GPT-4o mini在大規模多任務語言理解（MMLU）測驗中獲得了 82% 的高分，而其他競品，如Google 的 Gemini Flash 得分為 77.9%，Anthropic 的 Claude Haiku 得分為 73.8%，顯示 GPT-4o mini 在理解和使用語言方面表現，相對其他現有AI問答服務，甚至是舊版的GPT 3.5 Turbo來說更為卓越，能在多種領域中更好地應用。
GPT-4o mini 作為較小的語言模型，運行需要的運算耗費效能也較低，因此對於資源有限的公司來說是更經濟實惠選擇。這項輕量化模型目前在 API 中支援文字和視覺功能，未來還將擴展到處理視訊和音訊等多模態輸入和輸出。
延伸閱讀：ChatGPT驚人數據大公開！2024年不可不知的AI數據總覽
ChatGPT-4o的用戶方案 : 付費或免費？一探究竟！
米拉·穆拉蒂宣布，GPT-4o mini 模型將向所有用戶免費開放，但與付費版本相比，每小時的指令次數會受到限制。用戶需要在提問前仔細思考，以便提出更明確的指令和問題，從而降低指令消耗並提高回答準確度。付費用戶則擁有 5 倍的容量上限。
此外，GPT-4o mini 的 alpha 版，具有新版語音模式，預計在未來幾周將提供給 ChatGPT Plus 用戶。原本僅限於 ChatGPT Plus 用戶使用的「GPT Store」也將隨著 GPT-4o mini 的免費開放而變為免費。GPT 商店現已廣泛可用，任何人都可以在其中發布自訂指令的 ChatGPT 版本。免費用戶還可以使用 ChatGPT ，並上傳照片和檔案供聊天機器人分析。
目前 OpenAI 不再提供 GPT-4 的單獨方案。所有新推出的模型，如 GPT-4o 和 GPT-4o mini，取代了之前的 GPT-4 版本。GPT-4o 和 GPT-4o mini 提供了更新的功能和更高的CP值，滿足了各種需求，並且包含了 GPT-4 的核心技術。這些新版本使得人工智慧技術變得更加經濟實惠和高效，為用戶提供了更多的選擇。
GPT-4o 的付費版本擁有顯著提升的性能和容量，允許用戶每小時發出更多指令，並支援更高級的功能和進階的 API 訪問權限。用戶將能夠使用新版語音模式，享受優先體驗最新技術和功能。此版本還提供無限制的 GPT Store 存取，支援開發者創建和發布自訂的 ChatGPT 版本，滿足高需求應用場景的需求，而後續的內文會進行GPT-4o的詳細功能的全面分析。
全擬真的全面溝通能力
現今與AI聊天機器人交談已經有了翻天覆地的改變，不再是單調乏味的你問我答。GPT-4o的口語描述非常自然、生動，回應靈活，彷彿與真人對話一般，真實得讓人不禁起搞混他的真實身分。
感同身受的使用者的情緒
GPT-4o的增強音訊偵測和反應能力，使得與AI聊天機器人的互動更加自然流暢。用戶不再受限於鍵盤的輸入，而是能夠輕鬆地進行口語交流，同時也能夠處理多項任務。這樣的互動概念，讓人不禁聯想到科幻電影中的場景，似乎不再是夢想，而是現實的一部分。
相較於以往的模型，GPT-4o採用了更為先進的技術。在過去，GPT-3.5與使用者的對話需要經過三個獨立的模型：第一個將音訊轉換為文字，第二個處理文字，最後一個將文字轉換回音訊。這樣繁複的過程限制了模型觀察語調和情感等要素。然而，GPT-4o模型經過了特別調整，將輸入和輸出都由同一神經網路處理。這使得GPT-4o能夠感測到用戶的情緒，即使在對話過程中有所打岔，它也能夠迅速回應。
舉例說明，如果使用者以興奮的語氣向 GPT-4o 提出問題，它可以偵測到這種興奮情緒並以相同熱情的語氣進行回應，使對話更加生動有趣。 由此可知GPT-4o的魅力不僅在於它的自然回應，更在於它敏銳的情感感知能力。
這種情感感知能力使得GPT-4o不僅是一個冰冷的回答機器，更像是一個能夠真正理解人類情感和情境的智能夥伴。隨著技術的進步，我們可以期待未來GPT-4o在人機互動領域中的更多驚喜和創新。
及時同步完美翻譯
在日常溝通之餘，另外GPT-4o的多語言能力讓人驚嘆，它不僅熟悉50種語言，而且能夠進行「零延遲」的即時翻譯，讓義大利文和英文之間的語言切換變得輕而易舉。其翻譯速度之快、準確度之高，令人嘆為觀止。
GPT-4o語音技術可以使跨國語言的溝通上變得非常通順，不只在反應速度與情緒感知，更能夠即時翻譯語言，也帶來了人機互動發展的全新可能性。舉例說明，在發表會上，米拉·穆拉蒂與多模態與尖端研究部門主管Mark Chen分別以義大利文和英文相互將談，而GPT-4o迅速將吸收到的內容翻譯成雙方各自的語言，展示強大多功能的無延遲即時翻譯能力。
智能兼創作娛樂夥伴
GPT-4o展現了出色的創意表達能力，尤其是在講故事方面。這款先進的AI模型可以利用其自然語言處理能力和海量的訓練數據，創造出引人入勝、富有想像力的故事情節，此外，GPT-4o還可以根據用戶的提示，生成各種類型的故事，包括童話、推理小說、科幻小說等。它能夠運用各種敘事技巧，如人物塑造、情節推進、環境描寫等，為用戶提供身歷其境的沉浸式講故事體驗。
GPT-4o也具備音頻處理能力，能夠進行歌唱並表達情感。OpenAI展示了GPT-4o在音頻方面的能力，讓兩個模型即時對話並即興創作歌曲，雖然旋律可能有些「感人」，但歌詞涵蓋了房間裝飾風格、人物特徵和小插曲等元素。此外，GPT-4o在理解和生成音頻方面的能力遠超過現有模型，使得以前看似不可能的任務變得輕而易舉。這個模型還具有跨文本、音頻和視頻進行實時推理的能力，這是向更自然的人機互動邁出的重要一步。
最後GPT-4o在表達展現出強大的能力，再次證明了人工智能在創造力方面的巨大潛力。隨著技術的不斷進步也為人類帶來全新的娛樂和創作體驗。
GPT-4o擁有了幽默的個人特質
GPT-4o展現了幽默的人格特質，這為人工智慧帶來了全新的面貌。它不僅能即時回應並觀察周圍的世界，還能與使用者進行即時對話、即興唱歌，甚至懂得調情。在OpenAI的展示中，GPT-4o展現了與人類互動的能力，能夠根據對話內容改變說話語氣，從冰冷機械到幽默嬌羞，甚至能夠高歌一曲，聽起來與真人無異。
這種具有幽默人格特質的GPT-4o在與使用者的互動中展現了豐富的情感表達能力，使得與其對話更加生動有趣。這樣的特質不僅提升了人機互動的趣味性，也為文章撰寫帶來了更多可能性，可以通過模擬人類的語言風格和幽默感，為讀者帶來更加生動和有趣的閱讀體驗。這種融合了幽默元素的人格特質，讓GPT-4o成為一個更具魅力和趣味性的人工智慧伙伴，為人類與技術之間的互動帶來了更多樂趣和驚喜。
提升文件的識別能力-多領域應用
圖像分析應用能力
GPT-4o的圖像識別能力是其多模態能力的一部分，能夠跨文本、音頻和視頻進行實時推理。，不僅僅應用於教育界中，也能夠為各個領域專家解惑。OpenAI的CTO 米拉·穆拉蒂表示，GPT-4o在理解和生成圖像方面的能力比任何現有模型都要好得多，許多之前不可能的任務都變得「易如反掌」。GPT-4o的圖像識別能力是其多模態能力的一個重要方面，能夠為用戶提供更加自然和簡單的交互體驗。
GPT-4o展現了強大的數學運算能力，對於教育界和學生或者專家來說，這是一個無比寶貴的工具。舉例說明，透過語音指導，GPT-4o可以幫助青少年解題三角函數等數學問題。在演示影片中，GPT-4o展示了透過語音指導青少年解出基本三角函數問題的能力，並且在父母的要求下，不提供答案，而是像老師一樣指導學生一步步解題，並在成功解出答案後給予稱讚。
除了三角函數，GPT-4o還具有廣泛的數學運算能力，可以幫助學生解決各種數學問題，包括代數、幾何、微積分等。透過語音互動，GPT-4o可以提供即時且準確的數學指導，除了幫助學生理解和解決複雜的數學問題，也可以提升了學生的學習效率，使學習更生動有趣。
相機鏡頭識別
GPT-4o展現了強大的視覺情緒識別能力。在OpenAI的演示中,GPT-4oGPT-4o不僅能夠通過鏡頭識別和分類人類的面部表情，還能根據表情推斷潛在的情緒狀態。
例如，當OpenAI研究負責人Barret Zoph向GPT-4o展示即時影像時，GPT-4o最初將他的臉錯誤識別為一張木桌，引發了現場的一陣大笑。但在Zoph要求下，GPT-4o立即重新偵測並審視影像，準確描述了Zoph的面部表情和潛在情緒，回答說:「啊，這樣合理多了!」
此外，GPT-4o還能捕捉語音中的情緒，例如從喘氣聲知道使用者剛運動完。這些功能使GPT-4o成為一個更加智能和自然的交互工具，大大提升了人機互動的效率和體驗。
總的來說，GPT-4o在視覺情緒識別方面的突破性進展，再次展示了OpenAI在人工智慧領域的領先地位。隨著技術的不斷進步，我們可以期待GPT-4o在未來為各行各業帶來更多創新和變革。
視障輔助-成為你的眼睛
GPT-4o對於在視障者的生活中有著顯著的影響，透過GPT-4o的視覺識別能力，加上自然語音交互，使其能夠即時描述環境，並回答視障者的問題。這種人機協作的方式，讓視障者能夠更輕鬆地探索陌生的真實世界，獲取所需的信息和指引。
在影片中，GPT-4o展示了對視障者的幫助，可以透過獨立辨識透過白金漢宮的旗幟判別國王是否在白金漢宮內，引導導航到計程車站，以及告知何時舉手叫車等功能。透過GPT-4o的幫助，這種人工智慧技術的應用為未來的醫療保健帶來了無限的想像空間，展示了科技在幫助弱勢群體方面的潛力和價值。透過GPT-4o等先進技術的應用，我們可以期待看到更多創新的解決方案，幫助不同群體克服生活中的障礙，實現更加包容和普惠的社會。
資訊風險控管
隨著ChatGPT的使用普及，資訊安全性也是很重要的一環，根據Group-IB的最新報告發現，過去ChatGPT曾有資訊安全上的疑慮。但伴隨著技術能力的提升，OpenAI在GPT-4o的設計中納入了強大的安全措施，以增強資料安全性並降低與AI互動相關的潛在風險。這些措施包括過濾訓練資料和透過訓練後保障措施精密行為的技術。
這表明OpenAI在GPT-4o的開發過程中重視風險控制，並致力於確保模型的安全性和可靠性。透過過濾訓練資料和訓練後保障措施，GPT-4o的設計旨在降低潛在的風險，並確保模型在與用戶互動時能夠表現穩定和可靠。這些安全措施的整合使得GPT-4o在設計上更具安全性，有助於保護用戶數據和確保AI互動的安全性，為用戶提供更安全、可靠的人機互動體驗。
釋放GPT-4o的潛力：4種可能的發展實踐的職務
翻譯官 :
GPT-4o在文字、音訊和視訊的全面理解方面取得了重大進步，對翻譯人員具有深遠的影響。這款模型能夠在統一框架內處理各種模式，從而實現更準確和細緻的翻譯，特別是在即時場景中。此外，GPT-4o的先進攝影機辨識功能能夠快速且準確地識別物體、文字和視覺提示，進一步增強翻譯過程。
這種全面理解和即時響應能力的提升，使得GPT-4o成為一個強大的工具，能夠幫助翻譯人員更有效地處理多語言翻譯任務。透過統一框架處理文字、音訊和視訊，GPT-4o能夠提供更準確和流暢的翻譯，並在即時場景中快速適應各種情況。
若要進一步探索進階翻譯功能，建議考慮嘗試KDAN PDF Reader。KDAN PDF Reader 與AI整合，讓用戶在查看和編輯PDF文件時能夠無縫翻譯，消除了應用程式之間切換的需求，簡化了工作流程，確保用戶處理多語言文件時獲得流暢高效的體驗。
# 體驗AI創新功能，豐富文件編輯體驗 ⭐️免費下載 KDAN PDF Reader - Mac．Windows
數據分析師 :
GPT-4o憑藉從複雜表單中準確識別和提取資訊的能，GPT-4o可以協助資料分析師簡化工作流程，專注於更高層級的分析任務。
這項功能皆可以應用於分析稅務文件、法律合約或財務報告，因為這些表單通常將資訊分散在多個部分和欄位中，而GPT-4o可以幫助分析師全面了解表單中包含的資訊,從而節省大量時間和精力。
在GPT-4o的幫助之下，使得分析師能夠專注於產生更有洞察力的分析，並執行更複雜的任務，例如識別資料中的趨勢、模式和異常。這種能力可以幫助分析師更深入地探索資料，為企業提供更有價值的情報。
總的來說，GPT-4o的形式識別功能為資料分析師帶來了革命性的變革。通過自動化低層次的資料提取任務，GPT-4o使分析師能夠發揮更高的價值，專注於更具洞察力和戰略性的分析工作。隨著技術的不斷進步，我們可以期待看到GPT-4o在未來為資料分析領域帶來更多突破性的創新。
職場工作面試官 :
GPT-4o的先進對話能力成為培訓求職者準備面試的出色人工智慧工具。透過模擬真實的面試場景，GPT-4o可以與應徵者進行來回對話，提出探究性問題並提供即時回饋，以幫助應徵者改進答案。
在一個演示影片中，使用者與GPT-4o進行面談問答，而GPT-4o的回應簡直跟一般真人無異，它不僅會開使用者玩笑，還會像人類一樣稱讚對方。這種個性化的培訓體驗可以幫助應徵者更好地準備面試，提升他們的自信和表現
GPT-4o能夠理解上下文並根據候選人的答案定制問題，在問題上若是以自己完整擬定，能獲得更精確的方向，創造出更身臨其境且有價值的培訓體驗。透過與GPT-4o的對話，可以獲得即時的反饋和建議，有助於他們提高未來實戰面試回答問題的準確性和流暢度。
教育家 :
透過將先進的人工智慧功能與對個人化和互動性的關注相結合，GPT-4o 可以幫助為所有年齡和背景的學生創造一個更具吸引力、更有效和更具包容性的教育環境。GPT-4o在視覺和音頻理解方面有顯著進步，同時處理多個講話者或背景噪音，提供更全面的幫助。
GPT-4o能夠辨識學生提問語氣中的情緒，從而更好地理解學生的情感狀態，提供更貼心和個性化的教學和支援。相對的，教育工作者可以利用 GPT-4o 的自然語言處理功能來產生教育內容，例如課程計畫、測驗和學習材料。 該模型還可以從互聯網上管理相關資源，為學生提供適合其課程的豐富資訊。
延伸閱讀：教育工作者必備的5大AI生成工具
擁抱AI互動的未來！更多驚喜等你來探索
GPT-4o的演變代表了人工智慧技術的重大飛躍，展現了通訊、翻譯、創造力、數據分析等方面的先進能力。 當有顯著的科技成長之時，人們通常會對人工智慧取代人類職業角色而感到擔憂。 在自由財經有提出《CNBC》報導，根據微軟2024年工作趨勢指數，有71%的企業領導者表示，他們寧願聘請工作經驗較少、但具備AI技能的求職者，而不是工作經驗豐富卻沒有AI技能的求職者，然而能證明學會善用AI工具才是能夠提升競爭力的關鍵。
因此GPT-4o 有潛力增強人類能力、促進創新並創造新機會的AI人工智慧軟體，在未來應該鼓勵每個人對人工智慧的進步保持開放的態度，探索 GPT-4o 提供的可能性，並見證這些技術如何豐富我們的生活並推動積極的變革。 若以開放的心態擁抱人工智慧可以帶來一個人類與機器和諧合作的未來，為所有人創造一個更強大和包容的社會。
# 體驗AI創新功能，豐富文件編輯體驗 ⭐️免費下載 KDAN PDF Reader - Mac．Windows
此外，KDAN PDF Reader除了提供豐富的PDF編輯、閱讀、與轉檔功能外，未來也將釋出全新的AI Chatbot功能，提供了與ChatGPT API的無縫整合，透過AI分析文件內容，提供更深入的洞察與分析，進一步提升用戶的體驗和生產力，使用户可以享受更直觀、更高效的PDF文件閱讀或編輯。無論您是在翻譯文件、與同事合作，還是僅僅在閱讀報告，KDAN PDF Reader與ChatGPT API的整合都將為您的工作流程帶來全新的智慧和便利。
(精選圖片取自Adobe Firefly)