文末有福利
新媒体运营第248篇文章
作者：胡二刀
头图：孟扬
来源 | 新媒体运营（ID：meitiku）
紧接着第二天，谷歌发布的最新Gemini模型，同样可以顺畅地语音交互，并通过手机摄像头和智能眼镜来理解物理世界。
无论是ChatGPT4o还是Gemini都几乎完美复刻了11年前科幻片《Her》中的情节，尤其是男主人公为了让AI看世界，拿着手机满世界跑。
人机交互的争霸战已经开打，人工智能进入“助理”时代。现在比拼的是，谁家更“通情达理”，更“善解人意”。
01
为什么是O而不是5？
本次OpenAI发布的GPT-4o，其中"o"代表"omni"，即全能之意。其不仅在文本处理上达到了前所未有的水平，更在图像和语音处理方面取得了重大突破。
很多人搞不明白，为什么是“o”而不是“5”？
ChatGPT的版本号通常是根据发布的时间和更新的内容来制定的。一般来说，版本号由三部分组成，即主版本号、次版本号和修订号。例如，版本号为 1.0.0，其中第一个数字是主版本号，第二个数字是次版本号，第三个数字是修订号。
当进行重大更新或功能改进时，可能会增加主版本号；当进行一般性的更新或功能扩展时，可能会增加次版本号；当进行小幅修复或优化时，可能会增加修订号。
另外，还可以在版本号后面加入 Alpha、Beta、Gamma、Current、RC (Release Candidate)、Release、Stable 等后缀，对版本进行进一步说明。
OpenAI没有发布5，那就说明本次改进还不够重大，也给以后的升级留下了伏笔。
02
ChatGPT4o的三个特点
时延非常短，达到了240毫秒，就像跟正常人聊天一样。据官方消息，模型的反应时间已经缩短至平均320毫秒，并且它还能理解人类在对话中适时“打断”的习惯，会及时停下来听你说话并给出相应回复，也不会“断片”。这反应速度已达到人类级别。
原来的人机交互是需要先进行语音识别，转录成文本，然后文本进行回答再合成语音，这样往往有几秒钟的延迟。而现在通过跨文本、视觉、音频端到端的融合大模型，就会感觉到在语音模式下输入输出变得更加灵敏，更符合人感官的要求。
可以提供情绪价值。在聊天的过程中可以带入情感因素，比如焦虑、着急、紧张等，情绪价值直接拉满。比如，研发负责人Mark Chen表示自己因为上台紧张，ChatGPT便温柔地鼓励道：“你在台上做演示吗？那你真的太棒了！深呼吸一下吧，记得你是个专家！”而Mark表示要再来个深呼吸，ChatGPT顺势接话“慢慢呼气”，紧接着Mark一边疯狂地大喘气，ChatGPT惊讶地说：“放松啊Mark，慢点呼吸，你可不是个吸尘器！”
支持多模态交互。GPT-4o是迈向更自然人机交互的一步，它可以接受文本、音频和图像三者组合作为输入，并生成文本、音频和图像的任意组合输出。与现有模型相比，GPT-4o在图像和音频理解方面尤其出色。比如通过摄影头读取人物背景，准确说出其所处的位置。
03
“助理”时代的使用场景
ChatGPT4o与Gemini塑造了全新人机交互的范式，将人工智能推进到“助理”时代，比拼的是谁家助理更“通情达理”，更“善解人意”。
具体到应用场景中，家居生活是重要选项。原先家里的硬件没有触摸屏，更没有鼠标键盘，所以缺乏人机交互的能力。但“助理”的出现，即可实现人机对话，令硬件设备短时间之内产生响应。比如家里的监控发现有小孩儿爬上了窗台，它会第一时间发出警告，而不是单纯拍摄记录。
推而广之，家里的冰箱、彩电、洗衣机，甚至人型机器人，都可以与人产生交互，比如陪伴老人，做出各种提醒。
同样利用GPT-4o模型，OpenAI和Be My Eyes合作推出了一款APP，可以帮助视力受限人群实时了解身边场景，并提供帮助。他们只要举着手机，就可以“看见”路上和周边的一切。比如路上行驶的出租车是否处于空车状态，提示视力受限人士招手打车，以及车辆是否已经停下。
实时语音转文本和翻译功能可用于在公共演讲、会议或表演中提供实时字幕和翻译，确保听障人士或使用不同语言的人士能够参与活动。
谷歌的Project Astra是一个实时、多模式的人工智能助手，通过接收信息、记住它所看到的内容、处理该信息和理解上下文细节来与周围的世界进行交互，可以回答问题或帮助人们做事情。
甚至在不经意间，Project Astra还展现了它的记忆力。用户问：“你记得我把眼镜放哪了吗？”助手答道，“你的眼镜在桌子上的红苹果旁边。”可以看出，Project Astra通过镜头记住了一闪而过的眼镜。
以上只是“助理”功能的部分应用，从实时语音助手到多语言翻译，从图像识别到复杂的文本生成任务，人工智能的应用场景还有更多等待我们挖掘。
部分资料来自《能说会看！GPT-4o发布，谷歌端上“AI全家桶”反击》
END
新媒体运营人员，整天与电脑手机打交道，颈椎成了身体最脆弱的部分。这套颈椎操，只需五分钟，让你元气满满。欢迎关注“胡二刀”视频号。
-----------以下为福利-----------
点击上图，了解更多新媒体运营秘笈，值得关注哦
【新媒体运营】公众平台回复6
了解“视频剪辑技术"
【新媒体运营】公众平台回复7
了解“新媒体选题策划"
【新媒体运营】公众平台回复8
了解“新媒体系列问答"
【新媒体运营】公众平台回复9
了解“新媒体精品教程"
【新媒体运营】公众平台回复10
入群学习
【新媒体运营】公众平台回复11
周处除三害 | 官媒自律 | 县级融媒体 | 淄博烧烤 | 浙江宣传 | 数字中国 | ChatGPT | 医生大V | 谣言溯源 | 开直播 | 朋友圈 | 小红书 | 公众号 | 董宇辉 | 横屏与竖屏 | 抖音起号 | 冰墩墩 | 虎年说虎 | 红包封面 | 元宇宙 | 三段式标题 | 新闻机构 | 知乎引流 | 网络直播 | 网红发言人 | 暗恋模式 | 媒体迭代 | 谣言之祸 | 实测小蜜蜂 | 河南水灾 | 融媒体 | 曹县宝贝 | 餐厅C位 | 网红大爷 | 面试技巧 | 私域流量 | 抖音体会 | 社群运营 | 新媒体误区 | 新媒体术语 | 石家庄抗疫 | 马拉多纳 | 微信表情 | 自动驾驶 | 电商直播二 | 电商直播一 | 大V的道德 | B站胜微博 | 津门夏洛克 | 神曲传播 | 疯传 | 私域流量 | 明星文案 | 长安十二时辰 | 自媒体版权 | 霸道猫 | 五味自媒体 | 人人总编辑 | 翟天临与吴秀波 | 春节故事 | 佩奇传播 | 5G时代 | 我与新浪 | 新闻发言人 | 80后老书记 | 挣钱之道 | 油腻大叔 | 滴血顺风车 | 2018高考 | 新媒体营销 | 新媒体优势 | 芳华观后 | 供暖之痛 | 酒后境界 | 危机公关 | HTML5 | 石家庄地铁事件营销 | 短视频 | 场景营销 | 地方公众号 | 加碘盐 | 公号造假 | 月饼和作弊 | 网约车新政 | 情商低 | 微博找人 | 影院奇葩事 | 新媒体营销 | 2016新媒体影响力盛典 | 老炮儿 | 互联网+旅游 | 搭车双十一| 封面传媒 | “互联网+”干货 | 网络约车建议 | 电影分级制度 | 高速公路免费 | 多数人暴力 | 大阅兵 | 共享型经济 | 顺风车 | 版权费 | 互联网+电视 | 传媒变局 | “互联网+”思考 | 互联网+传统行业 | 互联网思维 | 新媒体| 纸媒出路 | 拯救纸媒 | 企业资源整合 | 神文案
资深媒体人、新媒体实战专家
从纸媒到互联网，亲身感受了媒体变迁
新媒体运营（meitiku，也就是媒体库）是一个专门讨论互联网、新媒体、社会化营销原理与技巧的平台，同时兼具对传统媒体的评价与思辩。
新媒体运营全攻略，欢迎关注↓↓↓
转载须知
凡本公众号原创作品
未经授权禁止转载
申请授权请添加小编微信
