OpenAI 的 GPT-4o 能做什么？

OpenAI 周一 发布了其最新的旗舰模型 GPT-4o（“o”代表“o​​mni”），它似乎是我们迄今为止最接近拥有像《钢铁侠》电影中的“贾维斯”那样的智能助手。 

ChatGPT-4o 的卖点在于它能够处理多种模态，这是大多数现有 AI 模型无法做到的。这意味着 GPT-4o 可以接受并生成文本、音频和图像的任意组合请求。.

该团队在 X（前身为 Twitter）上进行的演示令人印象深刻，引发了广泛关注。其中一项重大成就是 GPT-4o 对音频输入的响应速度极快，仅需 232 毫秒，这与人类在对话中的反应速度相近。.

OpenAI首席执行官萨姆·奥特曼周一在一篇博客文章中写道：“这感觉就像电影里的人工智能；它竟然是真的，这仍然让我有点惊讶。达到人类水平的响应速度和表现力，这真是一个巨大的转变。”

OpenAI 已开始向用户推出 GPT-4o 的文本和图像功能。该公司表示，未来几周内，音频和视频功能将向“API 中的一小部分受信任合作伙伴”开放。. 

尽管如此，以下是您可以使用 ChatGPT-4o 模型执行的一些操作。. 

你可以用 GPT-4o 做的事情

创建带有清晰文字的图像

此前，一些人工智能图像生成器，例如 Midjourney，在生成带有可读文本的图像方面仍然面临挑战。OpenAI 表示，GPT-4o 现在能够更好地理解文本描述，并能在图像上生成清晰易读的文本。. 

实时翻译

在需要翻译的场合，GPT-4o 可以胜任。OpenAI 团队在一段视频演示中展示了 GPT-4o 可以将英语内容复述成西班牙语（或许还有其他语言），也能将西班牙语内容反译成英语。.

看一看，说一说

对于视障人士，或者仅仅是为了娱乐，ChatGPT-4o 可以通过手机摄像头观察并识别周围环境。例如，该模型在识别到房间里的 cake 和蜡烛后，就判断出有人正在庆祝生日。.

解决数学问题

GPT-4o 不仅可以识别纸上或屏幕上的数学题，还能给出答案。不仅如此，它还能辅导和指导你学习如何解题。.

视觉会议中的人工智能

GPT-4o 可以参与视频会议并与参会者进行对话，还可以帮助用户准备求职面试。.