GPT-4o重磅问世，与以往大模型相比有哪些突破？

北京时间5月14日凌晨，OpenAI召开了春季发布会，发布了新旗舰模型GPT-4o。“GPT-4o”的“o”代表“omni”，意思是“全能的”。从其产品介绍看，它可能是迄今人机交互最为顺滑的一个产品。今天的音频，我们就来介绍GPT-4o跟以往的大模型相比，有哪些关键的突破。我总结了三点。

第一是多模态的彻底打通。GPT-4o接受文本、语音、图像、视频等任意组合的输入和输出，它的所有输入输出由同一个神经网络处理，可以在不同模态之间丝滑切换。

第二是速度更快，反馈几乎无延迟。在过去，人们在和GPT-3.5进行语音对话时的平均延迟是2.8秒，GPT-4o可以在232毫秒内对音频输入做出反应，堪比人和人日常对话的响应速度。

第三是可以在对话过程中被随时打断，还可以根据场景需要变化语音语调和情绪情感。以往人机交互对话一旦被打断， AI会出现“断片”的情况。而在和GPT-4o聊天时，你可以随时打断对话后再继续，还可以要求它用各种语调和情绪进行回答。