这是美国开放人工智能研究中心（OpenAI）发布GPT-4o的直播视频截图
美国开放人工智能研究中心（OpenAI）13日展示最新版本ChatGPT：与使用者展开语音对话、识别图像并展开讨论、翻译……相比先前版本，它与使用者对话基本无延迟，会倾听，能唠嗑，还善于察言观色，让人惊呼新版本ChatGPT“更像人”了。新版本ChatGPT取得了哪些突破？能在哪些领域实现应用？它对人工智能领域的影响有多大？
有哪些“进化”
开放人工智能研究中心13日发布的人工智能模型名为GPT-4o，编号中的字母“o”代表“omni”（全能），既能接受文本、音频和图像的任意组合输入，还能生成文本、音频和图像的相关回应。
该中心不仅围绕GPT-4o做了直播演示，还在社交媒体发布更多视频“炫技”。
在一段视频中，GPT-4o听起来明显“更会聊天了”，还时不时抛出几个笑话。它的音调有些许变化，言语间带着笑意，与它聊天更像与真人交谈。
实时聊天是ChatGPT的关键技能。相比先前版本，GPT-4o的不同主要表现在：一是使用者可以随时打断聊天机器人，无需像从前那样等它把话说完；二是它会实时对问题作出回应，不再有两到三秒的时滞；三是它能感知人的情绪，比如演示者呼吸急促，它会询问对方是否需要稍稍稳定下情绪。另外，GPT-4o可以生成不同风格的声音。
演示中，GPT-4o利用其视觉和语音能力，指导演示者在纸上逐步解出一道方程题，而不是直接给出答案。它还展示了英语与意大利语互译、用自拍照片识别情绪等能力。当一名演示者告诉它，自己正展示它是“多么有用和不可思议”时，它回答道：“哦，快别说了，怪害臊的。”
开放人工智能研究中心首席执行官萨姆·奥尔特曼在博客中写道，GPT-4o就像电影中的人工智能技术。“与电脑交谈一直让我感觉不自然，现在自然了。”
