來源：IT之家
據 The Information 報道，OpenAI 最近向部分客戶展示了一款新型多模態人工智能模型，該模型能夠進行語音對話和物體識別。有消息人士透露，這或許就是 OpenAI 計劃在即將到來的 5 月 13 日正式發布的內容之一。
圖源 Pexels
報道稱，相比于 OpenAI 現有的獨立圖像識別和文本轉語音模型，該新型模型能夠更快、更準確地處理圖像和音頻信息。例如，它可以幫助客服人員 " 更好地理解來電者的語氣語調，判斷他們是否在使用諷刺語氣 "。理論上，該模型還能輔助學生學習數學知識，或翻譯現實世界中的標志文字。
不過，消息人士也指出，雖然該模型在某些問題解答方面能夠超越 GPT-4 Turbo，但仍有可能出現自信地給出錯誤答案的情況。
IT 之家注意到，開發者 Ananay Arora 發布了一張包含通話相關代碼的截圖，暗示 OpenAI 可能正在為 ChatGPT 加入打電話的功能。Arora 還發現了一些證據表明 OpenAI 正在配置用于實時音視頻通信的服務器。
OpenAI 首席執行官薩姆阿爾特曼 ( Sam Altman ) 已經明確否認即將發布的新品是代號為 GPT-5 的大型語言模型（據稱其性能將大幅優于 GPT-4）。The Information 則表示，GPT-5 可能將在今年年底前正式亮相。阿爾特曼還表示，OpenAI 不會發布新的人工智能搜索引擎。
如果 The Information 的報道屬實，OpenAI 的新品發布仍可能會對即將舉行的 Google I / O 開發者大會產生一定影響。眾所周知，谷歌也在測試利用人工智能進行電話呼叫的技術。此外，谷歌還有一個據傳即將發布的項目，代號為 "Pixie"。Pixie 是一款能夠通過設備攝像頭識別物體的多模態 Google Assistant 替代品，可以為用戶提供諸如 " 如何前往購買地點 " 或 " 如何使用 " 等信息。
