桌面版ChatGPT登臺(tái)演講，能視頻通話還會(huì)實(shí)時(shí)讀屏，GPT-4o最新demo再次驚艷：“能力還是被低估了”

克雷西 2024-05-24 15:56:38 來(lái)源：量子位

克雷西 發(fā)自 凹非寺
量子位 | 公眾號(hào) QbitAI

GPT-4o桌面端最新Demo，與Sora的新作品一同亮相“歐洲AI春晚”VivaTech。

現(xiàn)場(chǎng)，OpenAI工作人員不僅展示了觀眾期待已久的“視頻通話”，還試著讓ChatGPT發(fā)表了演講。

在視頻聊天當(dāng)中，即使給它的只有一幅抽象的簡(jiǎn)筆畫(huà)，它也能立馬get到這是巴黎地標(biāo)。

然后再給它看一眼地鐵圖，指一指當(dāng)前位置，就能火速設(shè)計(jì)出乘車(chē)路線。

而且，除了能像移動(dòng)端一樣通過(guò)攝像頭感知環(huán)境之外，桌面端的ChatGPT還能夠?qū)ζ聊粌?nèi)容進(jìn)行讀取，結(jié)合代碼現(xiàn)場(chǎng)debug。

一系列震撼的演示效果，讓前線的Tom’s Guide編輯Ryan Morrison感嘆，GPT的語(yǔ)音功能和GPT-4o的潛力，看來(lái)是被低估了。

桌面端“視頻通話”震撼全場(chǎng)

在現(xiàn)場(chǎng)給400多名觀眾演示ChatGPT最新功能的，是OpenAI開(kāi)發(fā)者體驗(yàn)主管Romain Huet。

本來(lái)Huet打算用手機(jī)來(lái)演示，結(jié)果受到現(xiàn)場(chǎng)技術(shù)條件限制無(wú)法展示，于是改用Mac，但也正是如此觀眾們才有機(jī)會(huì)看到它的屏幕讀取能力。

一開(kāi)始，Huet問(wèn)ChatGPT能不能給現(xiàn)場(chǎng)的觀眾講一點(diǎn)什么，然后ChatGPT真就像模像樣地打起了招呼。

不過(guò)Huet覺(jué)得這樣的開(kāi)場(chǎng)白還不夠有氣勢(shì)，于是提示它面前是一大群人，它馬上就心領(lǐng)神會(huì)，改用了更“燃”的措辭和語(yǔ)氣。

當(dāng)然，Huet沒(méi)有讓ChatGPT一直講下去，而是在做完開(kāi)場(chǎng)白之后改由自己來(lái)介紹其最新功能。

所有對(duì)話，即使跨越語(yǔ)言也能快速響應(yīng)，現(xiàn)場(chǎng)Huet就要求ChatGPT把自己說(shuō)的英文翻譯成法語(yǔ)，整個(gè)過(guò)程行云流水。

另外，看上去是bug，但也許是feature的一點(diǎn)是，翻譯出的法語(yǔ)還帶著一些美國(guó)口音，不過(guò)Huet表示之后會(huì)進(jìn)行優(yōu)化，讓ChatGPT說(shuō)外（非英）語(yǔ)時(shí)更像當(dāng)?shù)厝恕?/p>

又是一通補(bǔ)充講解之后，人們期待的“視頻通話”功能終于正式登場(chǎng)了。

只見(jiàn)Huet現(xiàn)場(chǎng)用筆畫(huà)出了埃菲爾鐵塔和凱旋門(mén)的草圖，結(jié)果ChatGPT只看了一眼就直接識(shí)破。

Huet自己也打趣地對(duì)它說(shuō)，”非常感謝你，我畫(huà)的這么爛你都能看懂。”

這還沒(méi)完，Huet緊接著又掏出了一張巴黎地鐵圖，用手指了指當(dāng)前的大概位置。

然后，ChatGPT立刻就給出了前往埃菲爾鐵塔的乘車(chē)路線，隨著Huet的一句Thank You，現(xiàn)場(chǎng)爆發(fā)了潮水般的掌聲。

作為OpenAI負(fù)責(zé)開(kāi)發(fā)者體驗(yàn)的主管，Huet和ChatGPT一起現(xiàn)場(chǎng)搞起了代碼。

Huet通過(guò)復(fù)制到剪貼板的方式，讓客戶(hù)端讀取了一段React框架編寫(xiě)的網(wǎng)頁(yè)代碼，結(jié)果ChatGPT立馬就把代碼的語(yǔ)言、功能介紹得頭頭是道。

甚至還當(dāng)眾進(jìn)行了Debug，通過(guò)讓ChatGPT讀取屏幕，Huet告訴它目前這個(gè)網(wǎng)頁(yè)存在不能根據(jù)屏幕寬度進(jìn)行適配的問(wèn)題。

通過(guò)幾輪對(duì)話，Huet成功借助ChatGPT的幫助，完美解決了這個(gè)問(wèn)題，再次收獲了觀眾的掌聲。

One More Thing

在現(xiàn)場(chǎng)，Huet還播放了一段用Sora為大會(huì)創(chuàng)作的新視頻，由于現(xiàn)場(chǎng)生成時(shí)間較長(zhǎng)，觀眾看到的視頻預(yù)先制作好的，這也是活動(dòng)中唯一一個(gè)提前做好的效果。

一同展示的還有聲音克隆引擎Voice Engine，Huet錄制了一段20秒的聲音樣本，并用VE進(jìn)行了完美復(fù)刻，而且只需一個(gè)按鈕，就能從英語(yǔ)切換到法語(yǔ)、日語(yǔ)等其他語(yǔ)言，并在Sora中應(yīng)用。

不過(guò)由于安全問(wèn)題仍未解決，Sora和Voice Engine依舊不能公開(kāi)發(fā)布，想體驗(yàn)的朋友要再等一等了。

另外，說(shuō)到克隆聲音的問(wèn)題，寡姐和OpenAI關(guān)于Sky的爭(zhēng)議剛好也有了新消息。

華盛頓郵報(bào)稱(chēng)，根據(jù)其所獲得的文件和錄音顯示，給Sky配音的女演員的確另有其人。

而且，寡姐所稱(chēng)的受到奧特曼邀請(qǐng)發(fā)生在去年9月，而配音演員的招募在5月就已開(kāi)始。

不過(guò)，仍然有網(wǎng)友認(rèn)為，就算真的是另找了一名演員，也不能說(shuō)明OpenAI就沒(méi)有模仿寡姐的意圖。

但無(wú)論OpenAI的意圖如何，真正給Sky配音的演員卻是無(wú)辜的，也有表演的權(quán)利。

不少網(wǎng)友發(fā)聲對(duì)她表示同情：

Sky的配音演員同樣有權(quán)利使用她自己的聲音，難道因?yàn)椋ü呀悖┦敲耍鶕碛械闹R(shí)產(chǎn)權(quán)就比普通人更多嗎？

進(jìn)一步地，我認(rèn)為雖然“OpenAI侵犯了寡姐的‘公開(kāi)權(quán)’”這個(gè)觀點(diǎn)比單純的侵犯知識(shí)產(chǎn)權(quán)的想法好些，但仍然站不住腳。

總之，寡姐拋向OpenAI的子彈仍未落地，我們不妨一邊吃瓜，一邊等待著GPT-4o視頻對(duì)話的正式更新。

參考鏈接：
[1]https://vimeo.com/949419199
[2]https://www.tomsguide.com/ai/chatgpt/i-finally-saw-a-live-demo-of-chatgpt-4o-voice-if-anything-it-is-underhyped
[3]https://www.washingtonpost.com/technology/2024/05/22/openai-scarlett-johansson-chatgpt-ai-voice/