OpenAI ChatGPT-4o: GPT-4を凌駕し、リアルなインタラクティブ体験を提供する万能AIモデル

更新日: 2025 年 4 月 19 日

記事ディレクトリ

🚀【AI革命】OpenAIの新たな寵児、GPT-4oがデビュー！音声と動画処理能力で人々を驚かせます！🌟

新しい AI モデルである GPT-4o は、GPT-4 の知恵を備えているだけでなく、リアルタイム通訳を実行できるため、異なる言語の人々がスムーズにコミュニケーションできるようになります。その出現は、私たちがAIと対話する方法を完全に変えるでしょう。 GPT-4oがもたらす未来テクノロジーの魅力をぜひ体感してください！ 🌐

OpenAI が新しい GPT-4o モデルをリリース

Google I/O が始まる前日、OpenAI は無作為に脚光を浴び、新世代モデル GPT-4o のリリースで先導者となりました。この新しいモデルは、GPT-4 の知恵を継承するだけでなく、より強力な音声およびビデオ処理機能を備えており、ユーザーは実際の人間とほぼ対話しているような感覚を得ることができます。

GPT-4oの特徴は名前からもわかります。ここでの「o」は「全能」を意味する「omni」を表しており、テキスト、オーディオ、ビデオ推論における新モデルのオールラウンドな機能を示しています。 OpenAIは声明で「オーディオ、ビデオ、テキストをリアルタイムで処理できる新しいフラッグシップモデルであるGPT-4oを発表できることを誇りに思う」と述べた。

GPT-4oの応答能力は人間に近く「映画の中のAIのよう」

GPT-4 は画像を認識し、テキストや音声の変換も実行できますが、これらの機能はこれまでさまざまなモデルに分散されていたため、応答時間が長くなってしまいました。 GPT-4oはこれらの機能を4つのモデルに統合したもので、「汎用モデル」と呼ばれます。前世代のフラッグシップ GPT-4 Turbo と比較すると、GPT-50o は英語とプログラミング言語では同様のパフォーマンスを発揮しますが、他の言語ではパフォーマンスが大幅に向上し、API が高速になり、コストが最大 XNUMX% 削減されています。

OpenAI指出，GPT-4o的回应时间接近人类，能提供更自然的沟通体验，最快可在232毫秒（0.232秒）、平均320毫秒（0.32秒）内响应问题。作为对比，GPT-3.5和GPT-4在语音模式下的回应时间分别为2.8秒和5.4秒。

OpenAIのデモンストレーションでは、GPT-4oはリアルタイムで通訳することができ、異なる言語を話す4人が障壁なくコミュニケーションできるようになりました。あるいは、GPT-XNUMXo に就寝前の話をしてもらうと、より豊かで感情的な声で生き生きと話してくれたり、人間に近い口調で簡単な数学の問題の解き方を教えてくれたりします。

OpenAI によると、GPT-4o はユーザーの表情や口調を「読み取り」、いつ、どのように応答するかを認識し、冷たい機械音から陽気な歌まで、さまざまな音調を素早く切り替えることができます。 OpenAIのテクニカルディレクター、ミラ・ムラティ氏は、GPT-4oの開発は人間の会話プロセスからインスピレーションを得たと述べ、「あなたが話すのをやめたら、今度は私が話す番です。私はあなたの口調と反応を読み取ることができます。それはとても自然で、豊かで、インタラクティブです。」」

OpenAI CEOのサム・アルトマン氏はブログで、「新しい音声モードとビデオモードは、映画の中のAIと同じように、私がこれまで使った中で最高のコンピューターインターフェイスだ。信じられない。本当に、どうやって機能するのかがわかった」と述べた。応答時間と表現力の劇的な変化は人間のレベルに達します。」

デモンストレーション中、すべてが完璧だったわけではありませんが、GPT-4o はデモンストレーション中に他の人の邪魔をしたり、尋ねられていないのにホストの服装についてコメントしたりすることがありましたが、プレゼンターが修正するとすぐに正常に戻りました。

ムラティ氏は、オールラウンドモデルの力を通じて、GPT技術は今後さらに改良され、例えばスポーツイベントの中継を見た後にユーザーに競技ルールを説明するなど、競技に限定されなくなることを明らかにした。写真やテキストの翻訳などの簡単な作業です。

OpenAIによると、ユーザーは無料版でGPT-4oを使用できるようになり、有料加入者は無料版の4倍のメッセージ制限を享受できるという。 GPT-4o ベースの音声サービスは、来月ベータ版として加入者に提供される予定です。 GPT-XNUMXoの無償提供は、OpenAIのコスト削減の成果も反映している。

ただし、悪用の懸念があるため、音声機能は当面はすべての API ユーザーが利用できるわけではなく、今後数週間以内に一部の信頼できるパートナーが最初に利用できるようになる予定です。

AI言語モデルを活用してコードのデバッグからデータの異常検出まで、PC版プログラムが利用可能になりました

GPT-4o は音声およびビデオ機能を大幅に強化しましたが、OpenAI は ChatGPT UI の Web バージョンのアップデートも発表し、より会話的なメインインターフェイスとメッセージプレゼンテーションを備えたと主張しています。 Mulati 氏は、モデルがますます複雑になっているにもかかわらず、ユーザーと AI の間のインタラクティブなエクスペリエンスがよりシンプル、明確、簡単、より自然になることを望んでいると強調し、ユーザーは UI について心配する必要がなく、ChatGPT とのコラボレーションに集中できるようになりました。

OpenAI はまた、ChatGPT プログラムのコンピュータ版も発表しました。MacOS 版が最初にリリースされ、Windows 版が今年後半にリリースされる予定です。 AI技術協力に関するOpenAIとAppleの間の交渉が終了したという噂が以前からあったことは注目に値する。この時点でプログラムのMacバージョンが初めて開始され、外部からさまざまな関連が引き起こされた。

中国本土で OpenAI を登録すると、プロンプト「OpenAI's services are not available in your country.▼