每日經(jīng)濟新聞
要聞

每經(jīng)網(wǎng)首頁 > 要聞 > 正文

Open AI發(fā)布實時響應(yīng)的GPT-4o AI模型 國產(chǎn)手機AI語音助手能趕上嗎?

每日經(jīng)濟新聞 2024-05-14 22:20:31

◎尤其在響應(yīng)速度方面,GPT-4o幾乎解決了延遲問題,其可以在短短232毫秒內(nèi)響應(yīng)音頻輸入,平均為320毫秒,這接近于對話中的人類響應(yīng)的時間。

◎AI語音助手并不是一個新鮮事物,當前幾乎各大手機廠商都在其智能手機中內(nèi)置了自己的AI語音助手,例如蘋果的“Siri”、小米的“小愛同學(xué)”、華為的“小藝”等。

每經(jīng)記者 王晶    每經(jīng)編輯 梁梟    

北京時間5月14日凌晨,Open AI公布了最新的GPT-4o人工智能模型,其中“o”代表“Omnimodel”(全能模型)。據(jù)悉,GPT-4o提供了GPT-4同水平的智能,并改進了文本、視覺和音頻方面的能力,現(xiàn)在這款模型能夠以這三者任意組合的形式進行輸入和輸出,交互方式更多樣、更自然。

GPT-4o的發(fā)布無疑在人工智能領(lǐng)域投下了一顆“重磅炸彈”,再結(jié)合近期一些消息——“蘋果公司被曝正與OpenAI敲定一項協(xié)議,今年將后者的部分技術(shù)引入iPhone,借此蘋果將能提供由ChatGPT支持的聊天機器人作為iOS 18中人工智能功能的一部分”,外界認為,GPT-4o不僅會對國內(nèi)大模型行業(yè)帶來沖擊,同時也將為行業(yè)帶來新的機遇。

一位國內(nèi)手機廠商的AI從業(yè)者對記者分析稱:“從國內(nèi)目前的進度來看,追上OpenAI達到的AI語音助手功能估計還需要一年左右的時間,這不是國內(nèi)和國外(在AI上)的差別,而是OpenAI vs(對抗)其他所有公司,OpenAI現(xiàn)在的優(yōu)勢在于語音情感化、實時視頻多模態(tài)以及‘恐怖’的推理速度。”

GPT-4o語音助手進化:實時響應(yīng),能識別用戶情感

雖然GPT-5沒有如期到來,但GPT-4o私人語音助手的進化依舊讓不少人感嘆道:“太酷了。”

具體來看,在GPT-4o的支持下,它可以用各種語調(diào)、情緒給你講睡前故事,并且交互的語音感情豐富,可以變換語音語調(diào)、風(fēng)格,還可以隨時打斷,甚至“即興”唱歌。

Quartz報道稱,GPT-4o的情感屬性使AI聊天機器人比蘋果的Siri更加個性化。Siri給人的感覺就像在和一個機器人對話,但OpenAI的演示清楚地表明,GPT-4o具有“人工情感智能”,能夠識別用戶的情感并與你的情緒相匹配。

尤其在響應(yīng)速度方面,GPT-4o幾乎解決了延遲問題,其可以在短短232毫秒內(nèi)響應(yīng)音頻輸入,平均為320毫秒,這接近于對話中的人類響應(yīng)的時間。并且,用戶在進行對話時還可以隨時打斷。

在縮短延遲提升體驗、情緒感知能力之外,GPT-4o在GPT-4的基礎(chǔ)上還進行了多項升級,例如GPT-4o具有3D視覺內(nèi)容生成能力。演示人員手寫“3X+1=4”數(shù)學(xué)題給GPT-4o看,GPT-4o便能在線語音指導(dǎo)如何一步步解題;而客戶端的ChatGPT則能隨時解決寫代碼、讀圖表等任務(wù)。

性能提升的同時,GPT-4o價格還更便宜。OpenAI公司表示,新模型性能更強,接口調(diào)用價格卻只有此前模型的一半。所有用戶都可以免費使用新模型,不過消息數(shù)量會受到限制,付費用戶消息上限更高。預(yù)計新模型各項功能會在未來幾周逐步推出。

AI語音助手重回焦點

OpenAI今天更新后,數(shù)年前飽受詬病的AI語音助手又重回人們的視線。過去,人跟AI進行語音對話,基本上都經(jīng)歷三步:用戶說話后AI進行語音識別,即音頻轉(zhuǎn)文本;大模型拿到這段文本,進行回復(fù),產(chǎn)出文本;文本進行語音合成,變成音頻。但上述三個階段會導(dǎo)致較長的延遲以及信息損耗,無法表達情感等。

AI語音助手并不是一個新鮮事物,當前幾乎各大手機廠商都在其智能手機中內(nèi)置了自己的AI語音助手,例如蘋果的“Siri”、小米的“小愛同學(xué)”、華為的“小藝”、榮耀的“YOYO”、OPPO的“小布”。

其中,為人熟知的當屬Siri。公開資料顯示,Siri于2011年問世,當時被譽為AI技術(shù)的突破。然而多年來,Siri在某些方面的表現(xiàn)仍不夠理想。例如,Siri的語音識別能力還有待提高,在某些情況下,Siri可能會無法準確地識別用戶的語音,導(dǎo)致用戶無法得到他們想要的信息或服務(wù);其次,Siri的理解能力也有限,它很難理解對話的上下文,并只能執(zhí)行簡單的任務(wù)。

Siri的聯(lián)合創(chuàng)始人、前首席執(zhí)行官達格·基特勞斯(Dag Kittlaus)甚至曾直言,在被蘋果收購后,Siri可能沒有充分發(fā)揮其潛力,但語音助手仍將是數(shù)字技術(shù)的未來。

相比之下,Google Assistant和OpenAI的ChatGPT具有先進的自然語言處理能力,這使它們能夠理解人類語言的細微差別并作出相應(yīng)的反應(yīng)。一旦蘋果與OpenAI達成協(xié)議,蘋果不僅可以縮短產(chǎn)品研發(fā)周期,還可以利用OpenAI在人工智能領(lǐng)域的積累迅速提升自家產(chǎn)品的智能化水平,帶來更加智能、更加互動的Siri。

放眼國內(nèi)手機廠商,近年來國產(chǎn)手機廠商發(fā)布的新手機中,部署在手機“端側(cè)”的AI大模型成為重中之重。其中,OPPO推出安第斯大模型,參數(shù)量從70億到1000億,可以部署在端側(cè)和云端;vivo藍心大模型的參數(shù)量從10億到1750億,可以部署在端側(cè)和云端;小米MiLM大模型參數(shù)從13億到60億,主要部署在端側(cè);榮耀“魔法大模型”則有70億參數(shù),主要部署在端側(cè)。

在AI落地應(yīng)用方面,當前國內(nèi)的AI技術(shù)主要集中在自動攝像頭控制、人臉識別和身份驗證、語音識別和轉(zhuǎn)錄等方面。其中,日常生活里,AI可以對語音助手、自動化辦公、智能推薦系統(tǒng)等場景進行大幅優(yōu)化,增強體驗減少冗余工作量;在娛樂方面,AI可以處理復(fù)雜圖像視頻,如圖像增強、分辨率增強、圖像修復(fù)、色彩校正、消除物體以及智能摳像等等。此外,AI還能夠從各種格式(例如,音頻、視頻、電子郵件附件)的長篇內(nèi)容提取內(nèi)容,生成簡潔的摘要等等。

值得關(guān)注的是,當前主流手機廠商推出的大模型應(yīng)用其實并沒有太大差異。從長遠發(fā)展來看,AI助手可以深度集成于操作系統(tǒng),擁有理解與預(yù)測用戶需求的能力,進而為實現(xiàn)無縫銜接的跨應(yīng)用服務(wù)提供支持。

在回應(yīng)幾年之后榮耀的AI會帶來怎樣的想象力或者場景時,榮耀CEO趙明曾在今年3月表示:“我們堅信AI可以改變智能手機的未來,今天即使做得最好的蘋果實際上操作也非常不方便,未來用AI勢能改造的時候,比如說一個電子設(shè)備,我需要它的服務(wù),用眼睛一看,就提供相應(yīng)服務(wù);或者打一個響指,這個服務(wù)就會過來。”

當談及國產(chǎn)手機人工智能助手與GPT-4o之間的差距時,一位從業(yè)人士對記者稱:“主要(差距)還是算法和云端算力。”前述AI從業(yè)者則表示:“我們初步看了一些榜單,阿里通義千問多模態(tài)模型已經(jīng)超越了GPT-4V,當然,它離GPT-4o還有差距?,F(xiàn)在的問題是,OpenAI是一家公司,而國內(nèi)可能得幾家(大模型廠商)組裝起來(才能)追齊,我們的壓力還是很大的,目前OpenAI(處于)斷崖式超前。”

如需轉(zhuǎn)載請與《每日經(jīng)濟新聞》報社聯(lián)系。
未經(jīng)《每日經(jīng)濟新聞》報社授權(quán),嚴禁轉(zhuǎn)載或鏡像,違者必究。

讀者熱線:4008890008

特別提醒:如果我們使用了您的圖片,請作者與本站聯(lián)系索取稿酬。如您不希望作品出現(xiàn)在本站,可聯(lián)系我們要求撤下您的作品。

GPT OpenAI 語音助手

歡迎關(guān)注每日經(jīng)濟新聞APP

每經(jīng)經(jīng)濟新聞官方APP

0

0

免费va国产高清不卡大片,笑看风云电视剧,亚洲黄色性爱在线观看,成人 在线 免费