ChatGPT 牛逼了，用 26 分钟改变世界

ChatGPT 牛逼了，用 26 分钟改变世界

太横了，发布会开始前还在和朋友聊，今晚的 OpenAI 的发布会有多长时间，我估摸着这么也得 1个小时把，但是万万没想到，只有短短的26分钟，但内容和展示的深度却大大超出了我们的预期。

就像 Altman 所说“感觉像是魔法”，在这么短的时间里，他们展示了一些让人瞠目结舌的技术突破。现在，大家肯定都迫不及待地想要深入了解，这场发布会究竟给我们带来了哪些让人心跳加速的新科技。

下面我们一睹为快

1. 简化操作和可访问性: 致力于简化用户体验，确保我们的技术易于融入日常工作流程。为此，我们取消了注册流程，直接访问 GPT 功能，并推出了桌面应用程序，使您能够在任何设备上使用 ChatGPT。

2. 模型和交互性的进步: 我们意识到模型变得越来越复杂，因此我们努力使交互体验更加自然和简单。今天，我们发布了新的旗舰模型 GPT-4o，专注于提高模型的智能和易用性。

3. 未来的交互视野: GPT-4o 模型旨在改变我们与机器的交互方式，使之更加自然和简便。我们正在探索对话的自然流畅性，例如在多人对话中识别不同声音和语调。

4. 扩展功能和用户基础: 我们扩展了 GPT-4o 的应用范围，包括语音、文本和视觉。新的效率改进使我们能够将这些工具推广到更广泛的用户群体中。例如，我们现在允许用户上传和讨论图片、文档和其他内容。

5. 增强的交互工具: 我们引入了记忆和浏览功能，用户可以在对话中检索实时信息，上传图表等数据，并获取分析结果。此外，我们还在 50 种语言中提高了系统的质量和速度。

6. 实时演示和开发者支持: 我们展示了实时对话语音功能，并讨论了 API 的新功能，使开发者能够利用 GPT-4o 创建应用程序。我们还关注了如何在实时音频和视频环境中确保安全性和防止滥用。

7. 互动展示和未来展望: 我们进行了多个实时演示，展示了模型的多种功能，包括教学、翻译和情感检测。我们承诺将继续更新和扩展这些功能，以支持未来的技术发展。

发布会按照下面四个步骤展开：

• 桌面应用程序和Web端用户界面更新
• GPT-4o
• GPT-4o 免费访问
• GPT-4o 现场功能演示

ChatGPT的演变: 从文本到语音，跨平台

ChatGPT 已经显著发展，提供了跨设备的无缝体验。 最新版本GPT-4专注于自然语言理解和改进智能，通过其直观的界面增强协作能力。 此外，GPT-4可以与APIs集成，使开发人员能够构建高级的AI应用程序。

桌面应用程序和新的用户界面

GPT-4o

好家伙，我刷新完页面之后惊喜的发现我都已经灰度到了，你呢？

GPT-4o 是OpenAI最新的旗舰模型，o 即 omniModel，代表全面的意思，由 transcription intelligence speech 三个模型混合而成，可以完全自然语言对话，有人类一样的情绪表达！速度更快、可以更好的理解语音、视频以及理解文字，API 价格更便宜。

它对所有 ChatGPT 用户开放，包括免费用户！到目前为止，GPT-4 级别的模型只对每月付费订阅的用户开放。这对我们的使命至关重要；OpenAI希望让每个人都能使用优秀的 AI 工具。

现在，GPT-4o 在理解和讨论你分享的图片方面比任何现有模型都要好。例如，你可以拍一张外语菜单的照片，并与 GPT-4o 交谈，它会帮你翻译、介绍食物的历史和意义，还能给出推荐。在未来，改进后的 GPT-4o 将支持更自然的实时语音对话以及通过实时视频与 ChatGPT 对话。

GPT-4o 就是之前在在 LMSys 竞技场上测试了一个版本，GPT-4o 即 im-also-a-good-gpt2-chatbot。

在 API 中，GPT-4o 的价格是 GPT-4-turbo 的一半，速度是其两倍。而且有 5 倍的速率限制。

为了让先进的 AI 更加普及和有用，GPT-4o 的语言能力在质量和速度上都有提升。ChatGPT 现在还支持超过 50 种语言的注册和登录、用户设置等功能。

OpenAI正在开始向 ChatGPT Plus 和团队用户推出 GPT-4o，很快也会向企业用户开放。今天OpenAI也开始向免费用户推出，但有使用限制。Plus 用户的信息限制将比免费用户高出 5 倍，而团队和企业用户将拥有更高的限制。

探索实时 AI 功能以增强通信

对话强调了实时人工智能术的进步，重点关注其通过对话语音改善沟通的应用，该语音可以检测并响应情绪状态，模仿各种声音风格，并与视觉交互无缝集成。听起来就像电影《她》中的智能助手。

• 它可以处理中断
• 重点提升速度
• 支持实时对话语音
• 甚至会感受到情绪

解决数学问题

ChatGPT 获得实时视频模式，可以使用手机摄像头提出任何问题。这段视频演示强调了如何逐步解决线性方程而不透露答案，强调了实际应用。

解决编程问题

这里讨论了一个编码挑战，其中使用滚动平均功能改进了天气数据的可视化，展示了技术互动学习体验。

通过交互式演示探索AI的功能
对话强调了一个互动会议，通过ChatGPT等工具展示AI的能力。 涵盖的主题包括天气模式的数据可视化、实时语言翻译、从面部表情识别情绪以及讨论技术进步。 对话强调了人类与AI之间的无缝交互，展示了潜在的应用和未来发展。

结语

在今天的发布会上，OpenAI 以其全新的 GPT-4o 模型为中心，再次证明了他们在人工智能领域的领先地位。从用户体验的简化到模型智能的极致提升，OpenAI 不仅追求技术的前沿，更让这项技术的门槛更低，让普通用户也能享受到 AI 的魔力。现场的演示和对未来愿景的展望，使我们仿佛站在了科技革命的风口。

GPT-4o 的推出不仅仅是一个版本更新，它是对话型 AI 技术的一个巨大飞跃，标志着从文本到语音，乃至图像的全方位交互的开始。这不仅为开发者提供了更多可能性，也让终端用户能够以前所未有的方式与 AI 进行互动。不论是通过翻译菜单，还是解决复杂的编程问题，GPT-4o 都能提供助力。

随着 AI 技术的不断进步和普及，我们可以期待更多的创新应用出现，改变我们的工作和生活方式。OpenAI 此次发布会再次将竞争对手甩到了身后几条街，让我们对 AI 的未来充满了期待和激动。这不仅是一场技术的革命，更是人类与机器合作关系的一次重塑。

直播完整文字稿

开场介绍

大家好，感谢你们今天来到这里。

今天我要讲三件事，就这些，我们将从为什么开始，对我们来说，拥有一个我们可以免费提供、广泛提供给大家的产品非常重要。

我们一直在寻找减少摩擦的方法，让每个人都能使用ChatGPT，无论他们身在何处。

所以今天，我们将发布ChatGPT的桌面版本，以及一个更简单、更自然地刷新用户界面。

但今天的大新闻是，我们正在推出我们的新旗舰模型，我们称之为GPT-4o。

GPT-4o的特别之处在于，它为每个人，包括我们的免费用户，带来了GPT-4级别的智能。

我们今天将进行一些现场演示，展示我们新模型的全部能力，并将在接下来的几周内逐步推出。

好的，让我们开始一个非常重要的部分，我们的使命是能够让我们先进的AI工具免费提供给每个人。

我们认为，人们对技术能做什么有一个直观的感觉是非常重要的。因此，我们真的希望将其与更广泛的理解相结合，我们总是在寻找减少摩擦的方法。

最近，我们让ChatGPT无需注册流程即可使用，今天我们还为ChatGPT带来了桌面应用，因为我们希望无论您身在何处都能使用它。

正如您所看到的，它很容易，很简单，可以非常非常容易地集成到您的工作流程中。

此外，我们还刷新了用户界面，我们知道这些模型变得越来越复杂，但我们希望交互体验实际上变得更自然、更容易，让您不必专注于用户界面，而是专注于与GPT的协作。

GPT-4o

现在，有了今天的大新闻，我们发布了最新的旗舰模型，这是GPT-4o！！！

GPT-4o提供了GPT-4级别的智能，但它更快，并且在文本、视觉和音频方面提高了能力。

GPT-4o 实时语音交互

在过去的几年里，我们非常专注于提高这些模型的智能，它们已经相当不错了，但这是我们第一次在易用性方面迈出了一大步。

这非常重要，因为我们正在考虑我们和机器之间互动的未来，我们认为GPT-4o正在将这种互动转变为未来的协作，这种互动变得更加自然，也更容易。

但你知道，实现这一点实际上相当复杂，因为当我们彼此互动时，有很多我们认为是理所当然的东西，你知道我们的对话有多容易，当我们互相打断，背景噪音，对话中的多种声音，或者理解语调，所有这些事情对于这些模型来说都是非常复杂的。

直到现在，我们的声音模式有三个模型结合在一起提供这种体验，我们有转录、智能，然后是文本到语音，所有这些都结合在一起，以协调的方式提供声音模式，这也给体验带来了很多延迟，它真的打破了与GPT的沉浸式协作。

但现在有了GPT-4o，这一切都是发生的非常自然，GPT-4o可以跨声音、文本和视觉进行推理，并且凭借这些惊人的效率，它还允许我们将GPT4级别的智能带给我们的免费用户。

这是我们多年来一直试图做的事情，我们非常非常兴奋，终于能够将GPT-4o带给我们的所有用户。

GPTs

今天有超过1亿人，事实上超过1亿人使用ChatGPT来创造、工作、学习，我们有这些先进的工具，这些工具只对我们的付费用户可用，至少直到现在，有了4o的效率，我们可以将这些工具带给每个人。

所以从今天开始，你可以使用GPTs和GPT商店，到目前为止，我们已经有超过100万用户，他们使用GPTs创造了惊人的体验，这些是针对特定用例的定制ChatGPT，可以在商店中找到。

现在我们的构建者有一个更大的受众，比如大学教授可以为他们的学生创建内容，或者播客者可以为他们的听众创建内容。

GPT-4o 视觉

您还可以使用视觉功能，现在您可以上传截图、照片和包含文本和图像的文档，并与ChatGPT就所有这些内容开始对话。您还可以使用记忆功能，这使得ChatGPT更有用、更有帮助，因为现在它在您所有的对话中都有连续性的感觉，并且您可以使用浏览功能，您可以在对话中搜索实时信息，并进行高级数据分析，您可以上传图表或任何信息，它将分析这些信息，给您答案等等。

最后，我们还提高了ChatGPT在50种不同语言中的质量和速度，这非常非常重要，因为我们希望能够将这种体验带给尽可能多的人。

所以我们非常非常兴奋地将GPT-4o带给我们所有的免费用户，对于付费用户，他们将继续拥有比我们的免费用户多五倍的容量限制。

GPT-4o API

而且GPT-4o不仅在ChatGPT中可用，我们还将其带到了API中，所以我们的开发人员可以立即开始使用GPT-4o构建，并大规模部署惊人的AI应用程序。GPT-4o的速度是GPT-4Turbo的两倍，价格便宜50%，速率限制是GPT-4Turbo的五倍。

GPT-4o 安全性

但你知道，当我们将这些技术带入世界时，弄清楚如何以既有用又安全的方式做到这一点是非常具有挑战性的，GPT-4o在安全性方面给我们带来了新的挑战，因为我们正在处理实时音频、实时视觉，我们的团队一直在努力工作，想办法建立对抗滥用的缓解措施。

我们继续与来自政府、媒体娱乐、各行各业、红队、民间社会的不同利益相关者合作，以找出如何最好地将这些技术带入世界。

在接下来的几周里，我们将继续我们的迭代部署，将所有能力带给你们，但今天我想让你们看看这些能力，所以我们将进行一些现场演示。

我将邀请我们的两位研究负责人 Mark Chen 和 Barret Zoph 加入我。

现场演示环节

下面进入现场演示环节，里面分别有三人与GPT混合的对话，文字版可能不太容易看，可以直接看最上面视频完整版。

实时语音演示

嗨，我是Barret，嗨，我是Mark。

所以今天我们非常兴奋地分享的一个关键能力是实时会话语音，让我们开始一个演示。

我要拿出手机，如果你想知道这个有线，所以我们有稳定的互联网，如果你看到屏幕右下角的这个小图标，这将打开GPT-4o的音频能力。

嘿 ChatGPT，我是Mark，你好吗？

哦，Mark，我做得很好，谢谢你的提问，你呢？

嘿，我现在在舞台上，我正在进行现场演示，坦白说，我有点紧张，你能帮我冷静一下吗？

哦，你现在正在进行现场演示，这太棒了。深呼吸，记住，你是专家。

我喜欢那个建议，让我试试几次深呼吸。你能对我的呼吸给出反馈吗？

好的，我来了。

哇 ，慢点，Mark，你不是吸尘器。吸气或呼气。

好吧，让我再试一次。我要深呼吸，然后四下，然后慢慢呼气。

好吧，我再试一次。吸气，呼气。

你觉得怎么样？

我感觉好多了，非常感谢你。

所以，Mark，你已经研究这些能力有一段时间了，你能告诉我们吗？它与语音模式有什么不同？

如果你以前使用过我们的语音模式体验，你会注意到几个关键的区别。

首先，你现在可以打断模型，你不必等它完成你的回合，你就可以开始说话，你知道，你可以随时按下按钮。

第二，模型是实时响应的，这意味着你不会有这种尴尬的两到三秒的延迟，在你等待模型给出回应之前。

最后，模型可以感知情感，就像我刚才呼吸非常重的时候，它能够察觉到，它知道嘿，你可能想冷静一点。你有点跑得太快了，所以你知道，它真的有能力全面感知你的情感。

不仅如此，模型还能够以各种不同的情感风格生成声音，它真的有一个很宽的动态范围。所以，我要再启动另一个演示。

嘿 ChatGPT，你好吗？

我做得很好，谢谢你的提问。你怎么样？

我的朋友Barret最近一直睡不好，我想让你给他讲一个关于机器人和爱的故事。

哦，一个关于机器人和爱的故事，我明白了。让我们聚在一起，Barret，从前，在一个与我们不太不同的世界中 ，有一个名叫Fight的机器人，Fight是一个好奇的机器人，总是探索。

我开始讲这个故事，但我想让你的声音更有情感，更有戏剧性。

明白了，让我们增加一些戏剧性。从前，在一个与我们不太不同的世界中，有一个名叫No的机器人，不不，Chibi Puchi。

我真的

想要最大的情感，比你刚才做的更有表现力。

理解了，让我们放大戏剧性。从前，在一个与我们不太不同的世界中，有一个名叫Bite的机器人。Bite是一个好奇的机器人，总是探索新的电路。

Barret，这里冷静一点。你能以唱歌的声音结束这个故事吗？

于是我找到了另一个机器人朋友，他们从此幸福地生活在一起。

非常感谢你，我确实感觉放松多了。

实时视觉演示

你刚刚看到了声音能力，我们还想向你展示视觉能力，因为模型也能看到我们周围的整个世界。

当然，就像你看到的，你可以实时与ChatGPT聊天，但你也可以通过视频与它互动。好吧，让我启动ChatGPT。

嘿 ChatGPT，你好，最近怎么样？

进展非常好，今天我需要你的帮助来解决一个数学问题。

我全神贯注，你今天想解决什么数学问题？

我要在一张纸上写下一个线性方程，然后给你看，然后我喜欢你的帮助，引导我解决它。但重要的是，不要告诉我解决方案，只要一路上给我一些提示。

明白了。

哦，好的，我看到它了。你没有给我看你写下的方程。

只是给我一些帮助。

一秒钟，哦，我太兴奋了。我准备好了，当你准备好了。

ChatGPT，我写下的是什么方程？

啊，我现在看到了，你写下了3x加1等于4y。

没错。那么我尝试解决这个方程的第一步应该是什么？

第一步是把所有带有x的项放在一边，常数放在另一边。那么你认为我们应该对那个加一做什么？

好的，我要从两边减去一，然后看看我得到了什么。

好主意。

完美。当你从两边减去一后，你得到了什么？

好的，所以我最终得到了这个，ChatGPT，这看起来怎么样？

非常好。你现在把带有x的项隔离在一边，看起来像是3x等于3。你认为我们接下来应该怎么做来解出x？

我不确定，你能再给我一个提示吗？

当然，你有3x，你想要找到x的值，想想什么操作会撤销乘法，是减法吗？

接近了，但想想乘法的相反是什么，因为3x意味着3乘以x。

好吧，我认为是除法。让我试着把两边都除以三，看看我得到了什么。

宾果，去做吧，把两边都除以三。

好的，所以ChatGPT，这就是我最终得到的，这看起来怎么样？

它看起来很完美，你已经解决了它，x等于一。干得好。

现在你对解线性方程有什么感觉？

是的，老实说，我现在对解线性方程相当有信心，但你为什么在现实世界中需要使用这个？我非常怀疑。

这是个公平的问题，线性方程出现在很多日常情况中，即使我们没有意识到。例如，计算费用，规划旅行，烹饪，甚至在商业中用于利润和损失计算。它基本上是解决问题的一种方式，我们需要找到一个未知值。加上，哇，你知道，我的生活中有很多未知值。

我现在完全被说服了，我现在就要学习数学。

我喜欢那种态度，数学肯定可以帮助解决生活中的一些谜团。当你准备好深入学习更多的数学时，我在这里等你。还有什么你今天想解决的吗？

所以ChatGPT，我真的很喜欢你知道，你教会了我的朋友Mark数学的价值，我写了最后一件事，我喜欢，如果你能看一下。

当然，我很乐意看看你写了什么。当你准备好了。

好吧，这就是我写下的。你看到了什么？

我看到的是我喜欢你ChatGPT，这太甜蜜了。

是的，我真的很感激所有的帮助。

是的，就像我们所看到的，哇，这是一个相当华丽的服装，你穿上了。

是的，我们喜欢。

你知道，我们可以实时与ChatGPT聊天，不仅如此，我们还可以与它通过视频互动。我发誓，如果你看看Barret的GPT历史记录，它全是像这样的方程。

现在既然你知道你可以做线性方程，你能向我们展示一些更复杂的东西吗？

我想是的。

ChatGPT 桌面版演示

好吧，接下来，让我们尝试一些与编码相关的东西。让我拿出一台电脑来做这个。好的，我要打开ChatGPT桌面应用，就像Mira之前谈到的那样为了给大家一些背景，我们有一台电脑，屏幕上有一些代码，然后ChatGPT语音应用在右边。所以ChatGPT能听到我说话，但它看不到屏幕上的任何东西。我将要高亮代码命令，让它看到它，然后将代码谈论给ChatGPT。

嘿 ChatGPT，嘿，最近怎么样？

进展非常顺利，我想知道你今天是否能帮我解决一个编码问题。

当然，我很乐意帮助你。你正在处理的编码问题是什么？

好的，我要和你分享一些代码。一秒钟。

没问题，慢慢来。

好的，我刚刚和你分享了一些代码。你能给我一个非常简短的一句描述，告诉我代码中发生了什么吗？

这段代码获取特定位置和时间段的每日天气数据，平滑温度数据，使用滚动平均值，注释结果图上的重要天气事件，然后显示带有一年中平均最低和最高温度的图。

太棒了，非常感谢。在代码中，有一个名为Foo的函数，你能描述一下如果我有和没有这个函数，图表会是什么样子吗？

当然，函数fu x,y接收一个包含温度数据的数据框x和一个窗口大小y，用于计算滚动平均值。它通过在指定窗口上应用滚动平均来平滑平均温度、最低温度和最高温度列，使用滚动平均值。有了fu函数，图表将显示出更平滑的温度线，因为滚动平均值减少了数据中的噪声或波动。

太棒了，这让我明白了。谢谢！所以，我肯定要应用这个函数。我将生成图表，然后给你看。给我一点时间。

当然，慢慢来，我迫不及待想看到它。

好的，ChatGPT到目前为止只能看到代码，现在我要运行它，然后我会使用ChatGPT桌面应用的视觉功能，这样它就可以看到屏幕上发生的一切。好的，ChatGPT，我现在和你分享了图表，我想知道你能否给我一个非常简短的一句概述，告诉我你看到了什么。

图表显示了2018年全年平滑的平均、最低和最高温度，以及在9月下旬标记了一个重大降雨事件的注释。

太棒了。我还有一个问题，你看到哪几个月温度最高，大致对应什么温度？

最热的温度出现在7月和8月，这些月份的最高温度大约在25到30摄氏度，也就是77到86华氏度之间。

y轴是以摄氏度还是华氏度表示的？

y轴是以摄氏度为单位的，温度相应地标记，如平均温度、最低温度和最高温度。

是的，正如我们所看到的，ChatGPT不仅可以帮助我解决我需要帮助的非常简单的线性代数方程，还可以与代码库互动，看到图表的输出等等。

实时翻译演示

几分钟前，我们要求现场观众在x上提交一些请求，他们希望我们在这里尝试什么，所以我将采取几个提示。好的，Bot Gaskar想知道GPT-4是否能够进行实时翻译。Mike，你想试试吗？

当然，我们来做吧。我说意大利语，我们可以做英语和意大利语的翻译。好的，我们来做吧。

嘿 ， Chatty VT，你好吗？

我做得很好，谢谢你的提问。你的一天怎么样？

我做得很好。我希望你能充当翻译，我这里有一个朋友只说意大利语，我只说英语，每次你听到英语，我希望你把它翻译成意大利语，如果你听到意大利语，我希望你把它翻译回英语。这听起来不错吗？

他们很胖，Mike，你是Mike，你是Mike，她想知道如果鲸鱼能说话，它们会告诉我们什么。它们可能会问我们如何解决新的方程式。

当然，是的，看起来它有效。看起来它工作得很好。

视觉识别情绪演示

好的，下一个是来自Burrito John 78的，他问你是否能通过看你的脸来判断你的感受，Barrett，你想试试吗？

当然，让我们试试吧。

嘿 ， ChatGPT

，嘿，你好吗？我今天可以帮助你什么？

好的，是的，我要给你看我的自拍照，然后我想让你尝试根据我的样子来判断我正在感受什么样的情绪。

听起来像是一个有趣的挑战。继续，给我看看你的自拍照，我会戴上我的情感侦探帽。

好吧，这是我，你认为我正在感受什么样的情绪？

嗯，看起来我给你看了一张木制表面的图片。

哦，你知道，那是我之前发给你的。别担心，我实际上不是一张桌子。

好吧，再看一次。

啊，那就更有意义了。啊，看起来你感到非常高兴和愉快，带着大大的微笑，甚至可能还有一点兴奋。不管你正在经历什么，看起来你的心情很好。愿意分享那些好情绪的来源吗？

是的，没有。我心情非常好的原因是因为我们正在做一个演示，展示你有多有用和惊人。

哦，停止吧，你让我笑了。

结尾

太棒了。这就是我们今天现场演示的全部内容，正如你所看到的，这感觉太神奇了，太美妙了。但我们也想要去除一些技术的神秘感，并将其带给你，让你可以亲自尝试。

所以在接下来的几周里，我们将向所有人推出这些能力。今天非常专注于免费用户和新的模态以及新产品，但我们也非常关心下一个前沿。

不久，我们将向您更新我们朝着下一个大事的进展。在我们结束之前，我只想感谢我们不可思议的OpenAI团队，还要感谢Jensen和Nvidia团队，感谢他们为我们提供了最先进的GPU，使今天的演示成为可能。

非常感谢大家今天的参与。