時間在變,空間随着時間也在變,不變的唯有真知灼見。
2024年12月25日  星期三
首頁
财經
參考
ESG
公告
市場
研究
IPO
公司
周報
動态
推薦
首頁 > 觀察

視覺語音交互毫無延遲,都成精了居然還不是GPT-5?

來源:真灼财經 時間:2024-05-14 17:58:34

字号

文章來源:矽星人Pro

文章作者:王兆洋


OpenaAI給2024年5月14日的這場發布會取名“春季功能更新”,就像它們形容當初ChatGPT的發布是一次“低調的研究預覽”一樣。


6.png


而就像那次一樣,一切也都回不去了。

 

OpenAI發布了一個叫做GPT-4o的新模型,它的确不是GPT-5,但看了它能做的事情,再想到它甚至不是OpenAI正在砸更多的錢和智慧在做的GPT-5,你隻會感覺更“可怕”。

 

發布會一開始,OpenAI的CTO Mira Murati 介紹了新模型GPT-4o(是的,Sam Altman全程沒有現身)。她強調這個模型是要給所有人使用,并且通過交互的更新讓人們忘了UI的存在。因為OpenAI的願景正是如此。

 

而到此這似乎還很正常。

 

“不過是新模型而已嘛。”


7.png


但直到demo環節開始,一切越來越離譜。

 

首先是一個實時對話的展示。

 

“我正在做demo,我有點緊張。”Mark說。然後他開始故意喘息的非常快。而GPT識别出了他的呼吸。

 

“哦,哦,哦,别緊張,慢下來。你不是個吸塵器。”ChatGPT的女人聲音抑揚頓挫,沒有任何延遲。

 

是沒有任何延遲。你不需要等她,她也不會讓你等,當你直接開始說接下來的話,她會立刻停下來聽,并立刻做出調整。


8.png


而且在這些回答中,它甚至有喘息和猶豫的聲音。

 

另一個很可怕的細節是,這些demo全程不需要任何多餘的按鍵操作。

 

對,聲音的對話就像是在“打電話”。

 

另一個demo是假設要給朋友講一個關于機器人的睡前故事。

 

提出需求後,ChatGPT開始正常的講故事。

 

但聽的人并不喜歡,于是直接打斷說,能不能講的更有感情更drama一點。

 

ChatGPT立刻調整,增加了一些懸疑感。

 

“不不不,我希望把感情和drama感拉滿。”聽者再次直接打斷。——也就是說ChatGPT在實時聽着你的聲音。

 

然後ChatGPT變成了一個非常浮誇的故事講述者。

 

“你能不能用機器人的聲音給我講故事。”Mira又直接插話。而ChatGPT立刻開始模仿機器人。注意,是模仿,也就是它的聲音一直是那個女聲,一切聽起來就像家長在講睡前故事時候會做的那樣。

 

“你能最後唱一首歌把這個故事結束麼。”聽者又提了要求。

 

然後ChatGPT立刻唱了一首歌。根據剛才的故事,實時,改編,并直接唱出來的一首歌。

 

“如果你之前使用過我們的語音模式,你會注意到幾個關鍵的區别。首先,你現在可以打斷模型了。你不需要等它結束你的回合,你可以随時開始說話,随時插話。其次,模型的響應是實時的。這意味着你不需要再經曆那種尴尬的兩到三秒的延遲,等待模型回應。最後,當我剛才呼吸非常急促時,模型能夠感知到情緒。它會提醒你,或許你需要放松一下,你的節奏快得有點過頭了。所以你知道,它确實具有全面感知情緒的能力。不僅如此,這個模型還能以各種不同的情感風格生成聲音,它真的具有非常廣泛的動态範圍。”

 

如果你是個創業者,或者熟悉大模型應用創業環境的人,你會立刻意識到。

 

又有一批創業公司死了。

 

之後是視覺能力的展示。

 

對,在同一個産品上。一個據說要免費提供給全世界所有人的産品上。

 

他先是展示了一個通過攝像頭獲得視覺能力,然後實時指導你的數學解題的demo。甚至因為“幻覺”問題,ChatGPT在還沒打開攝像頭時候就自信滿滿的說理解了。當展示者提示後,她說“oops,我太興奮了。”

 

然後展示者打開攝像頭,實時寫了一個數學方程題,然後讓ChatGPT一步一步的提醒和講解他在做的解題思路。ChatGPT很好的做到了。

 

像一個很有經驗有耐心的數學老師那樣。

 

這還沒完。

 

似乎是為了打臉那些錄制好加速後的demo,他們還實時收集了X上的反饋。其中一個挑戰是:打開攝像頭讓ChatGPT實時分析你的情緒。

 

展示者開始攝像頭自拍,而ChatGPT立刻分析道:

 

“你看起來是個桌子。”——因為打開攝像頭時,最先打開的是前置的攝像頭,對準的是桌子。

 

“不不不,那是之前的,你不用擔心,我不是個桌子。”分享者說到。

 

“哈哈,那就合理了。”Chat GPT說到。

 

9.png


這裡看的時候,估計很多人跟我一樣驚了一下。

 

然後ChatGPT立刻分析:“你看起來非常開心。大大的笑容,甚至有一點興奮。你想分享一下讓你這麼開心的原因麼?”語氣裡甚至能聽到好奇,以及斟酌語句的感覺。

 

“因為我在做實時展示,讓大家看看你有多出色。”講者說。

 

“哦,拜托,别讓我臉紅了。”ChatGPT帶着笑聲說到。

 

瞬間,《Her》降臨。科幻成了現實。

 

看到這,所有人估計都明白了Sam Altman此前賣關子時候說的“magic”是什麼。

 

在驚歎之餘,還是再總結一下:

1 這些操作全程沒有多餘的點擊操作的交互。

2 沒有絲毫延遲的視覺和聲音反饋。

3 不僅能感受到你的情感,ChatGPT也自帶情緒和情感。

4 能對桌面等更數字化的世界有更全面的信息感知。

5 全部集成在一個産品裡,而且可能是對所有人免費的。

 

哦對,以及,這還不是GPT-5。

 

發布會後,OpenAI也在官網更新了這次發布的模型的具體信息:

 

https://openai.com/index/hello-gpt-4o/

 

還記得ChatGPT第一次出來時,有人形容跟它第一次親密接觸的感受:

 

當你通過打字跟它交互的時候,等待它回答的過程仿佛能想象到對面坐着一個人,正在轉筆,思考如何回答你的問題。

 

而今天,不隻是你的歎氣,情感和喘息能被AI感受到,你也能直接感受到對面的“人”的歎氣,情感,和喘息。

 

在電影《Her》裡,主人公最終愛上了這個AI助手。我們不知道GPT-4o加持下的新ChatGPT會帶來什麼。更不知道GPT-5出現後會發生什麼。

 

一切都太快了,都回不去了。

 

最後,對所有開發者和創業者,這次發布又意味着什麼?

 

也許這句當時有些被人不以為意甚至覺得冒犯的話值得再看一遍,它可能說明了一切:

 

目前有兩種構建人工智能的策略:一種是假設模型不會改進,然後在現有的能力上建設一堆小東西;另一種是假設 OpenAI 将保持相同的增長軌迹(繼續瘋狂疊代)。我認為,95% 的人應該押注在第二種策略上。我們有改進模型的使命,不是我不喜歡你們,但我們将碾壓你。 ——Sam Altman,2023年4月17日

微信掃碼 > 右上角點擊 > 分享