电影《她》中的场景似乎正在成为现实。OpenAI最新推出的旗舰大模型GPT-4o，不仅免费向公众开放，而且具备听、看、说的综合能力，响应速度流畅无延迟，仿佛与真人视频通话一般。

GPT-4o在直播中的表现尤为出色，能够感知用户的呼吸节奏，以更丰富的语气实时回复，并且支持随时打断对话。"o"代表"Omni"，意味着全能，它可以接受文本、音频和图像的任意组合作为输入，并生成相应的文本、音频和图像输出。

GPT-4o的响应速度非常快，在短短232毫秒到平均320毫秒的时间内就能响应音频输入，与人类的对话反应速度相当。这一能力将免费提供给所有用户，包括GPT-4o和ChatGPT Plus会员版的所有功能，如视觉、联网、记忆、执行代码和GPT Store等。

此外，GPT-4o的语音模式将在几周内首先向Plus用户开放。在发布会现场，CTO Murati表示，GPT-4级别的模型已经向公众开放，而研究员William Fedus透露，GPT-4o是之前在大模型竞技场进行A/B测试的模型之一，表现出色，ELO分数领先。

GPT-4o还将提供API，价格优惠50%，速度提升一倍，单位时间内的调用次数是原来的5倍。网友们已经开始设想GPT-4o的各种应用，如辅助视障人士感知世界，以及提供比之前更出色的语音交互体验。

在发布会现场，总裁Brockman进行了精彩的演示，展示了GPT-4o在实时对话、翻译和视觉识别方面的能力。他还发布了一段5分钟的详细演示视频，展示了两个ChatGPT之间的对话和歌唱，戏剧感十足。

Brockman首先向旧版ChatGPT（小O）介绍了情况，然后向新版ChatGPT（小N）展示了视觉能力。接着，小O和小N就Brockman的衣着、房间风格等话题展开了对话。在Brockman的引导下，小O和小N甚至开启了对唱模式，旋律悠扬，音色逼真。

GPT-4o之所以能够实现如此出色的表现，是因为它采用了端到端训练的神经网络，能够同时处理语音、文本和图像。这使得GPT-4o在语音翻译和视觉理解方面都超越了OpenAI的专门模型和其他竞争对手。

虽然这次OpenAI没有发布详细的技术论文或报告，但有学者表示，一个成功的演示相当于1000篇论文。GPT-4o的推出，无疑为人工智能领域带来了新的突破，让人们对未来的智能助手充满了期待。