OpenAIの最新アップグレード、革新的AIモデルGPT-4oを発表

OpenAIは、人間のように動画と音声をリアルタイムで解釈し、説得力のある会話を行うことができる、革新的なAIモデル「GPT-4o」を発表しました。

このモデルは、GPT Omniとしても知られ、ユーザーの音声と動画の入力を理解し、リアルタイムで反応する能力を持っています。

OpenAIが公開したデモでは、GPT-4 Omniがインタビューの準備を支援し、カスタマーサービスエージェントに連絡して交換用のiPhoneを手配する様子が示されています。

Say hello to GPT-4o, our new flagship model which can reason across audio, vision, and text in real time: https://t.co/MYHZB79UqN

Text and image input rolling out today in API and ChatGPT with voice and video in the coming weeks. pic.twitter.com/uuthKZyzYx
— OpenAI (@OpenAI) 2024年5月13日

x.com

また、このAIはお父さんのジョークを共有したり、バイリンガルの会話を翻訳したり、じゃんけんのマッチの裁判官を務めたり、皮肉な返答をする能力も持っています。

さらに、ユーザーの子犬に初めて反応する様子もデモで披露されました。

OpenAIのCEO、サム・アルトマン氏は、5月13日のブログ記事で「GPT-4oが人間レベルの応答時間と表現力を実現することで、AIとの対話が大きく変わる事が判明しました」と述べています。

テキストと画像のみを入力とするバージョンは既にリリースされており、フルバージョンは数週間以内に展開される予定です。

GPT-4oは、有料および無料のChatGPTユーザーに利用可能で、ChatGPTのAPIを通じてアクセスできます。

このモデルの「o」は「omni」を意味し、テキスト、音声、画像の入力を同時に処理することで、より自然な人間とコンピュータの相互作用を目指しています。

Introducing GPT-4o, our new model which can reason across text, audio, and video in real time.

It's extremely versatile, fun to play with, and is a step towards a much more natural form of human-computer interaction (and even human-computer-computer interaction): pic.twitter.com/VLG7TJ1JQx
— Greg Brockman (@gdb) 2024年5月13日