1715855871
2024-05-16 07:38:23
OpenAIは 発表する 人気のチャットボット ChatGPT の最新バージョンである GPT-4o。 「Omni」という言葉に由来する「o」は、コンピューターと人間の間でより自然なインタラクションを生み出すという OpenAI の使命を象徴しています。
この反復は、特にエンド消費者にとって、機能と使いやすさにおいて以前のバージョンを上回っています。 テキスト、オーディオ、ビデオ ファイルの処理に関する以前のバージョンの制限は克服されました。 ユーザーはより自然に対話できるようになりました リアルタイム。
OpenAI デモデーと GPT-4o リリース
Microsoftからの投資によって支えられているOpenAIの評価額は800億ドルだ。 2015 年に設立された同社は、市場のリーダーであり続けることを目指しています 生成AI 収益性の高いビジネスモデルを構築し、 トレーニング AIとその開発インフラの構築には多額の費用がかかります。
伝統的に、 大規模な言語モデル (LLMs) はテキスト データ処理に重点を置いています。 このモデルは、世界中の AI のインタラクションと AI の使用に新たなブレークスルーをもたらします。 ただし、このテキストによる入力の制限により、AI モデルと対話する方法も制限され、不自然で堅すぎると感じることがあります。
彼のデモデーでは、 OpenAI GPT-4o と対話するためのいくつかの新しい方法を提供します。 最新モデルではユーザーのイントネーションや話し方を理解して情報を提供できるようになった。
最高技術責任者のミラ・ムラティ氏は、OpenAI 研究リーダーのマーク・チェン氏とバレット・ゾフ氏の支援を受けて、GPT-4o がどのようにして笑いや歌に反応し、さらにはライブ翻訳を提供できるのかを実証しました。 リアルタイム ボイスモード経由。 音声モードは、スマートフォンおよびデスクトップ プラットフォームでの一般公開に向けて準備中です。
デモデイでの GPT-4o の機能の一部
GPT-4o モデルのオーディオ、ビジュアル、テキスト モダリティを処理および生成する機能は、さまざまな問題の解決策として適用できます。 OpenAI は来週この音声モードをテストし、有料の ChatGPT Plus 顧客にリリースする予定です。
ミラ氏はまた、GPT-4oモデルはユーザーの音声プロンプトにわずか232ミリ秒（平均320ミリ秒）で応答でき、これは一般的な会話における人間の反応と同様であると述べた。
OpenAI Demo Day での音声モードの一例は、Chen が就寝前のストーリーを伝える GPT-4o の能力を実証し、歌いながらストーリーをよりドラマチックにするためにストーリーを伝える際にイントネーションを変更する指示を与えたときです。
次に、Chen 氏は翻訳者として GPT-4o をデモンストレーションしました。 音声モードでは、GPT-4o で強化された ChatGPT がイタリア語を話すミラを翻訳し、英語を話すチェンとの会話を直接橋渡しできます。 リアルタイム。
GPT-4o が提供する豊富な機能には、もちろん一定のリスクがあります。 このリスクは OpenAI も認識しており、自然な音を生成できる音声モードが悪用される可能性があります。 このリスクを軽減するために、OpenAI はプロセスに安全策を導入しました。 トレーニング AInyaとリリースします 出力 定期的にオーディオを再生します。
GPT-4o で強化された ChatGPT が ChatGPT Plus および Team の顧客向けにリリースされました。 エンタープライズユーザーは受け入れます アップデート これは次の段階ですが、無料ユーザーは限定的にこれらの新機能を楽しむことができます。 ChatGPT Plus ユーザーは、無料ユーザーと比較して 5 倍のメッセージ容量を持っています。
#OpenAI #が #GPT4o #を発表