【INDEX News 劉俊彥】
OpenAI 最新推出的 GPT-4o 模型，整合語音、視覺與文字處理能力，提供更自然、即時的對話體驗，並支援即時翻譯與情緒辨識。
2024 年 5 月 14 日，OpenAI 正式推出其最新的人工智慧模型 GPT-4o，旨在提升人機互動的自然度與即時性。該模型整合語音、視覺與文字處理能力，提供更流暢的對話體驗。
GPT-4o：全能型 AI 模型
GPT-4o 的「o」代表「omni」，意指全能。與前代模型相比，GPT-4o 在處理速度上有顯著提升，平均回應時間縮短至 320 毫秒，最短可達 232 毫秒，接近人類的反應速度。此外，該模型支援 50 多種語言，並可即時進行語音、文字與視覺的多模態處理。
即時語音與情緒辨識
GPT-4o 的語音功能為一大亮點。用戶可與模型進行即時語音對話，並透過語音辨識情緒，提供更貼近人類的回應。例如，在面對緊張情境時，GPT-4o 能適時給予安慰與鼓勵。
多模態互動體驗
該模型支援視覺輸入，用戶可透過手機鏡頭讓 GPT-4o 辨識眼前物體，並提供相關資訊。此外，GPT-4o 還能進行即時翻譯，並根據語境調整語氣，使對話更自然流暢。
開放政策與未來展望
OpenAI 表示，GPT-4o 將免費開放給所有用戶，但初期僅限部分地區使用。語音對話功能預計在未來數週內提供給訂閱用戶測試版。此外，OpenAI 亦推出更新版的 ChatGPT 桌面應用程式，提供更直覺的使用介面。
