Odaily แพลนเน็ต เดลี่ OpenAI เปิดตัวเรือธงรุ่นล่าสุด GPT-4o ซึ่งสามารถอนุมานเสียง การมองเห็น และข้อความได้แบบเรียลไทม์ แนวคิดหลักคือผู้ช่วยแบบโต้ตอบด้วยเสียงส่วนบุคคลที่เหนือธรรมชาติ และมีความหน่วงต่ำเป็นพิเศษ ตามข้อมูลที่เกี่ยวข้องกับเว็บไซต์อย่างเป็นทางการของ OpenAI และบัญชีอย่างเป็นทางการของ Generate การผสมผสานระหว่างข้อความ เสียง และรูปภาพ สามารถตอบสนองต่ออินพุตเสียงได้ใน 232 มิลลิวินาที โดยเฉลี่ย 320 มิลลิวินาที ซึ่งใกล้เคียงกับเวลาตอบสนองของมนุษย์ในการสนทนา ในภาษาอังกฤษและโค้ด มีประสิทธิภาพเทียบเท่ากับ GPT-4 Turbo โดยมีการปรับปรุงข้อความที่ไม่ใช่ภาษาอังกฤษอย่างมีนัยสำคัญ ในขณะที่ API เร็วขึ้นและถูกกว่า 50% GPT-4o ทำงานได้ดีเป็นพิเศษในการทำความเข้าใจภาพและเสียงเมื่อเปรียบเทียบกับรุ่นที่มีอยู่ การป้อนข้อความและรูปภาพจะพร้อมใช้งานใน API และ ChatGPT วันนี้ และการป้อนข้อมูลด้วยเสียงและวิดีโอจะพร้อมใช้งานในอีกไม่กี่สัปดาห์ข้างหน้า