GPT-4o 指南：工作原理、用例、定价、基准

[mostakimvip06]

OpenAI 宣布了其最新的大型语言模型GPT-4o，这是 GPT-4 Turbo 的后继者。请继续阅读以了解其功能、性能以及您可能想要如何使用它。

OpenAI 的 GPT-4o 是什么？
GPT-4o 是 OpenAI 的最新法学硕士。GPT-4o 中的“o”代表“o​​mni”（拉丁语中意为“every”），指的是这个新模型可以接受混合了文本、音频、图像和视频的提示。此前，ChatGPT 界面针对不同的内容类型使用单独的模型。

例如，当通过语音模式与 ChatGPT 对话时，你的语音将 越南赌博数据 使用Whisper转换为文本，使用GPT-4 Turbo生成文本响应，然后该文本响应将使用TTS转换为语音。

GPT-4o 与 GPT-4 Turbo 对比

GPT-4 Turbo 与 GPT-4o 处理语音输入的比较

类似地，处理 ChatGPT 中的图像需要混合使用 GPT-4 Turbo 和DALL-E 3。

为不同的内容媒体采用单一模型可以提高速度和结果质量、简化界面并增加一些新的用例。

什么是 GPT-4o mini？
GPT-4o Mini 是 GPT-4o 的精简版，速度更快，旨在处理更注重速度和效率的任务。它是通过一种称为“提炼”的过程从更大的 GPT-4o 模型中衍生而来的。

虽然它保留了原始模型处理多模式输入（文本、音频和图像）的大部分能力，但 GPT-4o mini 针对更快响应时间至关重要的轻量级应用程序进行了优化。

对于需要经济高效的编码、调试和实时交互解决方案且不需要 GPT-4o 全部计算能力的开发人员来说，它特别有用。

您可以在这篇文章中阅读有关GPT-4o mini的更多详细信息。

GPT-4o 与 GPT-4 Turbo 有何不同？
一体化模型方法意味着 GPT-4o 克服了之前语音交互功能的几个限制。

1. 现在考虑语调，促进情绪反应
在之前的 OpenAI 系统中，Whisper、GPT-4 Turbo 和 TTS 被整合到一个管道中，推理引擎 GPT-4 只能访问口语。这种方法意味着语调、背景噪音和对多个说话者的声音的了解等信息被直接丢弃。因此，GPT-4 Turbo 无法真正表达具有不同情绪或说话风格的回应。

通过使用能够推理文本和音频的单一模型，这些丰富的音频信息可用于提供具有更多种类说话风格的更高质量的响应。

在以下 OpenAI 提供的示例中，GPT-4o 提供了讽刺的输出。