昨晚，OpenAI春季发布会给我们带来了GPT-4o——一个能听、能看、能说的AI助手，能读懂人类情绪、无时延多模态实时交互，仿佛是《Her》电影中Samantha的现实版，让人不禁惊叹：未来的AI，原来可以这么酷!
昨晚，OpenAI春季发布会给我们带来了GPT-4o——一个能听、能看、能说的AI助手，能读懂人类情绪、无时延多模态实时交互，仿佛是《Her》电影中Samantha的现实版，让人不禁惊叹：未来的AI，原来可以这么酷!
一、遇见GPT-4o
GPT-4o，那个"o"可不是简单的字母，代表着"Omni"，一个拉丁语的词根，意为"包罗万象"、"一应俱全"或者"全面覆盖"。
在英语的世界里，"omni"这个前缀就像个万能钥匙，能打开"所有"或"全体"的大门。
比如，"omniscient"就是"全知全能"的代名词，"omnipotent"意味着"无所不能"，而"omnipresent"则表示"无处不在"。
至于"omnimodel"，这可是个新名词，指的是一个能够处理文字、语音、图片、视频的全能模型。
GPT-4o的全模态交互能力，让它在AI界独树一帜。它不仅能理解你的文字，还能听懂你的语音，甚至能通过图像与你互动。这就像是拥有了一个能说50多种语言的超级翻译，而且反应速度比“闪电侠”还快，平均320毫秒的响应时间，让人几乎感觉不到等待。
想象一下，你对着电脑说出一个问题，几乎在你话音刚落的同时，GPT-4o就给出了答案。甚至，可以直接视频对话，“她”可以看到你所有的表情和情绪变化。
这种无缝对接的体验，让人仿佛在和一个真人对话，而不是一台冷冰冰的机器。
GPT-4o的可不仅限于语音领域，它还扩展到了视觉领域。没错，“视觉”可不是简单的上传一张图片，而是打开摄像头，实时观察世界的变化。现场的摄像头一打开，现场开始写数学题，而ChatGPT一边迅速给出答案。
不仅可以打开摄像头，还可以基于OpenAI新推出的Mac客户端，直接看屏幕，对着屏幕直接写代码。
GPT-4o在性能上的飞跃，不仅仅是数字上的提升，更是体验上的革新。
它在多语言、音频和视觉功能上的突破，让我们看到了AI的无限可能。无论是文本、推理还是编码，GPT-4o都展现出了超越前辈的能力，让人对AI的未来充满了期待。
更让人惊喜的是，GPT-4o的API不仅速度快了一倍，成本还降低了一半。这种高性价比的体验，无疑将吸引更多的开发者和企业，推动AI技术的进一步普及和应用。
这次 GPT-4o 将免费提供给所有用户，付费用户则可以享受五倍的调用额度。
OpenAI表示，该模型将在未来几周内分阶段集成至 OpenAI 的各个产品之中GPT-4o将免费提供。「我们的初心，就是把最出色的AI工具，交到每个人的手中。」
二、学习使用chatgpt
chatgpt的出现不仅提速了人工智能发展的脚步，同时也潜移默化的融入至我们的生活中，接下来为大家介绍如何使用chatgpt生成一首属于自己的原创歌曲
首先我们需要打开openai.com(需要挂vpn)网站，选择所需要的chatgpt模型，也可以直接翻译chat.openai.com网站。
目前我们chatgpt3.5模型是免费开放给用户使用的，我们可以选择gpt3.5。在输入框输入你想描述的歌曲场景、歌曲时间以及曲风，输入完后点击回车。这时可看到gpt会自动生成我们所需要的歌词背景描述。
复制歌词背景描述，在牛学长变声精灵选择——AI音乐——以文作曲，把gpt生成的描述词填入。勾选需要创作的时间、音乐主题等，点击“创作”
可以看到软件正在创作中，创造时长是根据时间以及描述来进行云计算的。
在创作完成后可以试听我们创作的歌曲，如果满意选择我们需要保存的格式、保存路径等进行下载。如不满意可以重新修饰我们的描述词，时长以及音乐主题，重新进行创作。这样，属于我们自己的原创歌曲就完成了，是不是很神奇~
