ChatGTP

OpenAI的聊天机器人ChatGPT近日发布重磅更新，加入语音与图像功能，使其“能看、会说、会听”，为用户提供更丰富和便捷的AI体验。

ChatGPT的图像理解能力基于OpenAI的GPT-4V（ision）模型，该模型能根据用户输入的图片或文字生成图像或文本内容，并分析、解释、推理或执行各种任务。ChatGPT的语音识别与生成功能基于OpenAI的专业配音演员合作，提供5种不同的声音，还与Spotify展开合作，通过这一功能将播客翻译为其他语言，同时保留播客主持人的声音。

VeryKen智评：尽管存在缺陷和风险，但OpenAI仍赋予了ChatGPT“看听说”的能力，这是其在生成式AI领域的又一次创新和迄今为止最大的变革之一。多模态功能已成为AI大模型的竞争焦点，将推升其训练推理算力需求大幅攀升。