5月15日凌晨1点，抢在谷歌年度开发者大会Google I/O开幕前，OpenAI 发布了全新期间AI模型——

　　GPT-4o中的“o”代表“omni”，通常作为前缀使用，在《剑桥词典》中，它的英文释义是：everywhere or everything。

　　根据OpenAI官网的介绍，GPT-4o可以处理文本、音频和图像的任意组合输入，并生成对应的任意组合输出。 特别是在音频方面，它可以在短至232毫秒的时间内响应用户的语音输入，平均320毫秒的用时已经接近人类在日常对话中的反应时间。 此外，GPT-4o在视觉和音频理解方面也表现出色，支持包括中文在内的20种语言进行音频等多模态交互。

　　这么说可能有点抽象。@商英君 观看了官网发布的视频后，感觉AI好像真的长出了眼睛，不仅能和人类实时视频和语音（反应速度极快），还能辅导孩子作业（官网视频里AI在教数学），甚至现场做起了双语翻译。

　　测试期间GPT-4o能看到你并通过周围的环境进行判断，还能感知你的情绪，听她的回答也很“human”。【换句线o 对话就跟真人似的。】

　　小编找了一圈使用入口，才发现这些大佬都是引流好手呀~ 嘴上说着 GPT-4o 都能免费用，但现在能用上 GPT-4o 的只有 Plus 账号，普通用户要用上视频和语音功能，可能得再等等了。

　　奥特曼也在推特上毫不避讳地，把 GPT-4o 跟科幻电影《Her》联系起来。（ 这部电影讲的是人和 AI 语音助理谈恋爱的故事 ）

　　果然，OpenAI 这次GPT-4o 的现场演示效果再次惊艳世界，特别是实时语音和视频交互的能力高出其他AI模型几个level有没有。

　　不过，谷歌也不是吃素的shadowrocket使用代理。几个小时后，Google DeepMind首席执行官哈萨比斯亲自携谷歌版《Her》登场，2小时发布会疯狂复仇！

　　同样能会还有，不仅能几乎没有延迟地和人类流畅交流，通过摄像头，Project Astra甚至能直接帮忙读代码：跟GPT-4o不相上下。

　　③ Gemini 1.5 Pro，上下文长度将达到惊人的200万（2000k）token。超过了目前所有的大语言模型，而且开放给个人用户使用。

　　相比之下，GPT-4 Turbo只有128K，Claude 3也只有200K。 这也意味着——你可以给模型输入2小时视频、22小时音频、超过6万行代码或者140多万单词。

　　最后还有一个重磅消息：谷歌搜索将被Gemini重塑，形态从此彻底改变！我们不再需要自己点进搜索结果，而是由多步骤推理的AI Overview来代办一切。

　　这期的内容就分享到这里了。如果你想提高自己的口语水平，欢迎加入Hitalk口语试学计划，0元定制1V1口语提升方案：