OpenAI روز گذشته مدل جدیدی به نام GPT-4o را معرفی کرد که طی چند هفته آینده برای عموم عرضه خواهد شد.

به گفته این شرکت، GPT-4o “گامی به سوی تعامل طبیعی تر انسان و کامپیوتر” برداشته است. مدل جدید می‌تواند متن، تصاویر و صدا را پردازش کند و بر اساس آن به کاربران خود کمک کند. حالت صوتی اکنون با پاسخ‌های سریع‌تر و درک بهتر، یکپارچه‌تر کار می‌کند.

پیشتر از حالت صدا برای استفاده از سه مدل مختلف برای رونویسی، هوشمندی و خروجی متن به گفتار با هم استفاده می‌شد. ناگفته نماند که باعث تاخیر در پاسخ می‌شود. در مقایسه، GPT-4o همه اینها را به صورت بومی مدیریت می‌کند.

با استفاده از دوربین گوشی خود، اکنون می‌توانید اطلاعات را با مدل به اشتراک بگذارید و بر اساس آن به راحتی با استفاده از حالت صوتی، سؤال بپرسید. بر اساس گزارش‌ها، مدل جدید می‌تواند به ورودی‌های صوتی در 232 میلی‌ثانیه پاسخ دهد که مشابه زمان پاسخ‌دهی ما انسان‌ها است. این مدل همچنین می‌تواند با رنگ‌های مختلف مطابق با ترجیحات کاربر پاسخ دهد.

این مدل در مقایسه با GPT-4 Turbo در درک زبان‌های غیر انگلیسی بهتر و سریع‌تر است. GPT-4o اکنون می‌تواند به عنوان مترجم نیز کار کند. قابل ذکر است که GPT-4o برای API نیز در دسترس خواهد بود تا توسعه دهندگان بتوانند اپلیکیشن‌های هوش مصنوعی را با استفاده از قابلیت‌های مدل جدید بسازند و قدرت دهند.

در حالی که مدل جدید ویژگی‌ها را به صورت رایگان ارائه می‌دهد، کاربران پریمیومی مجاز خواهند بود از پنج برابر منابع در مقایسه با مدل جدید استفاده کنند. این شرکت همچنین یک برنامه ChatGPT را برای دسکتاپ‌های مبتنی بر macOS اپل ارائه کرده است. برنامه macOS یکپارچگی عمیق‌تری را با پلتفرم ارائه می‌دهد.

OpenAI می‌خواهد ادغام این ابزار را برای کاربران آسان‌تر کند. با یک میانبر صفحه کلید (Option + Space) کاربران می‌توانند به راحتی به صفحه گفتگوی ابزار دسترسی پیدا کنند.