引言

OpenAI几乎每一次发布会都会给世界带来惊喜，ChatGPT是如此，GPT4.0、GPTs商店、Sora是如此，GPT-4o也不例外，再一次惊掉了很多人的下巴。

无限接近真人的GPT-4o

大家评价一个AI的智能程度如何，最直观的感受就是“多大程度地接近真人”。之前的ChatGPT、GPT-4.0已经具备一定的逼真度，尤其是在对话方面。而GPT-4o则是将这种“逼近真人”推到了极限，以至于到了以假乱真的程度。

它的逼真，不只是单纯的文字对话的逼真，而是拥有GPT-4级别的AI能力，能够基于文字、语音、视频组合输入的内容来推理，并以文字、语音、视频组合输出的真正多模态的逼真。

发布会的产品演示视频，就是最好的证明。甚至让人忍不住怀疑，这到底是AI在扮演人类，还是背后有个真人在扮演AI？

【语音对话演示】

语音对话这个并不新鲜。但通常的“语音对话”虽然看上去是基于语音的，但本质上却是“用户输入语音——语音识别成文字——文字对话——文字合成语音”的过程。

这便导致了两个直接的结果：①存在明显的延迟。②只能感知文字内容，无法感知文字以外的东西（比如：情绪）。

而GPT-4o则可以直接理解语音，因而其表现非常惊艳，它的对话几乎没有延迟，可以随时被打断，它能够感知到用户的紧张情绪，并给出放松建议。它可以用不同的声调语气讲故事和唱歌。

和GPT-4o语音对话，几乎和真人打电话没有区别，一定要说区别的话，那就是它看上去更聪明、反应更快、更有才华。

【视频对话演示】

在视频对话的演示中，GPT-4o能够根据摄像头，实时理解现实世界中用户所做的事，能够直接在线指导。这和专家私教一对一远程辅导几乎没区别，如果非要说区别，那就是，你看不到GPT-4o的容貌，但这重要吗？而且从技术上讲，基于现在的虚拟人技术，要实现也不难，只是需不需要罢了。

有了GPT-4o，再也不用担心请不起私教了。

【客户端演示】

GPT-4o同时推出了Mac版的客户端，可以快捷键唤起，可以根据屏幕内容对话反馈。基于强大的视频理解能力，GPT-4o能够识别理解的，不仅是单个截图，还包括整个屏幕的变化。

什么时候能用？如何用？价格贵吗？

了解到GPT-4o的强大，相信很多小伙伴都跃跃欲试地想使用了。如此强大的GPT-4o，会不会价格很贵用不起呢？会不会像Sora一样大部分人都用不了（空欢喜一场）呢？

这一次，OpenAI真的很良心。

OpenAI表示，GPT-4o已经开始推出，并且所有用户都可以免费使用。GPT-4o的文本和图像功能将从现在起在ChatGPT中提供，并且在未来几周内将在ChatGPT Plus中推出带有GPT-4o的Voice Mode的新版本。开发者现在也可以通过API访问GPT-4o作为文本和视觉模型，并且计划在未来几周内在API中向小部分测试者推出对GPT-4o新音频和视频功能的支持。

这意味着，只要你能够正常访问OpenAI的官网，你就可以免费用。

国内用户能用吗？

由于某些原因，一些主流的国外大模型，在国内通过官网，都是无法直接使用的，之前的ChatGPT、GPT4、Claude、Gemini Pro都是如此。因此GPT-4o同样无法直接通过官网使用。

但由于各个大模型的官方通常会提供API的渠道，使得各种第三方大模型集成商应运而生，通过他们，你可以在不使用魔法的情况下，就使用到国外的大模型。

而GPT-4o在保留GPT4级别的推理能力的同时，相比于GPT4.0 turbo在响应速度上提高一倍，接口价格却只有其一半。因此，之前提供GPT4.0服务的集成产品，大概率也会提供GPT-4o，只不过，需要多等几天罢了。

至于哪些第三方大模型集成产品可以使用，这个很容易搜到。

小编自己使用的则是ChatAI(https://ss.chatleft.com/)。尽管截至5月14日，还没有加入GPT-4o（毕竟刚发布），但根据其以往的惯例，相信用不了多久就会更新上。

国产AI产品

最后，还是希望能够支持下国产AI，比如文心一言、通义千问、Kimi等等。

对于测试领域的小伙伴们，可以了解下《》