OpenAI全量上线4o视频通话 - 我们等了7个月。 * { margin: 0; padding: 0; outline: 0; } body { font-family: “PingFang SC”, system-ui, -apple-system, BlinkMacSystemFont, “Helvetica Neue”, “Hiragino Sans GB”, “Microsoft YaHei UI”, “Microsoft YaHei”, Arial, sans-serif; line-height: 1.6; } .__page_content__ { max-width: 667px; margin: 0 auto; padding: 20px; text-size-adjust: 100%; color: rgba(0, 0, 0, 0.9); padding-bottom: 64px; } .title { user-select: text; font-size: 22px; line-height: 1.4; margin-bottom: 14px; font-weight: 500; } .__meta__ { color: rgba(0, 0, 0, 0.3); font-size: 15px; line-height: 20px; hyphens: auto; word-break: break-word; margin-bottom: 50px; } .__meta__ .nick_name { color: 576B95; } .__meta__ .copyright { color: rgba(0, 0, 0, 0.3); background-color: rgba(0, 0, 0, 0.05); padding: 0 4px; margin: 0 10px 10px 0; } blockquote.source { padding: 10px; margin: 30px 0; border-left: 5px solid ccc; color: #333; font-style: italic; word-wrap: break-word; } blockquote.source a { cursor: pointer; text-decoration: underline; } .item_show_type_0 > section { margin-top: 0; margin-bottom: 24px; } a { color: 576B95; text-decoration: none; cursor: default; } .text_content { margin-bottom: 50px; user-select: text; font-size: 17px; white-space: pre-wrap; word-wrap: break-word; line-height: 28px; hyphens: auto; } .picture_content .picture_item { margin-bottom: 30px; } .picture_content .picture_item .picture_item_label { text-align: center; } img { max-width: 100%; } .pay_subscribe_notice { margin: 30px 0; padding: 20px; background: fffbe6; border: 1px solid ffe58f; border-radius: 8px; } .pay_subscribe_badge { display: inline-block; padding: 4px 12px; background: faad14; color: fff; border-radius: 4px; font-size: 14px; font-weight: 500; margin-bottom: 12px; } .pay_subscribe_desc { font-size: 15px; line-height: 1.8; color: rgba(0, 0, 0, 0.7); margin-bottom: 12px; } .pay_subscribe_hint { font-size: 13px; color: rgba(0, 0, 0, 0.4); } .__bottom-bar__ { display: flex; justify-content: space-between; align-items: center; position: fixed; bottom: 0; left: 0; right: 0; height: 64px; padding: 8px 20px; background: white; box-sizing: border-box; border-top: 1px solid rgba(0, 0, 0, 0.2); } .__bottom-bar__ .left { display: flex; align-items: center; font-size: 15px; white-space: nowrap; } .__bottom-bar__ .right { display: flex; } .__bottom-bar__ .sns_opr_btn { display: flex; align-items: center; user-select: none; background: transparent; border: 0; color: rgba(0, 0, 0, 0.9); font-size: 14px; } .__bottom-bar__ .sns_opr_btn:not(:last-child) { margin-right: 16px; } .__bottom-bar__ .sns_opr_btn > img { margin-right: 4px; }
OpenAI全量上线4o视频通话 - 我们等了7个月。
原创 数字生命卡兹克 数字生命卡兹克 2024-12-13 06:07 河北
今天是OpenAI直播第6天，终于来了个能看点的。
Day4是个很无聊的canvas的极小更新以及向全量用户开放，昨晚Day5完全就是给苹果做下PR，都是纯粹的垃圾时间。
而今天，4o的实时视频通话，终于来了。
是不是感觉有点陌生？没想到吧，4o居然还有实时视频通话。。。
鸽了7个月，快被人忘干净了。
总结一下今天的直播，有三个东西：
-
实时视频通话。
-
实时理解屏幕。
-
圣诞老人限定语音。
一个一个说吧。
一.实时视频通话
今年5月14日，OpenAI的春季发布会上，他们正式掏出了GPT-4o。
其中最酷的东西，当然是他们的原生多模态。
大家也都见识到了，高级语音模式的威力，能模仿情绪、能唱歌、能演戏。在小红书和X上，已经看到无数人，在用它来做情感陪伴、练口语等等。
在教育领域，绝对是一个巨大的大杀器。
但是其实，当时最让人兴奋的，还是实时视频。
能实时对话，能理解你的连续性动作，能知道你在干啥。
也有记忆。
比如你跟他聊桌子上的一杯冰美式咖啡，这杯冰美式长的无头六臂奇奇怪怪颜色还是红色的，你们聊的很开心，然后切到了另一个话题，过了一分钟后，你突然问他，咱们刚才聊的咖啡是啥颜色。
它会很准确的告诉你，是红色。
就像，AI第一次，有了跟人类一样的眼睛。
他们自己也演示了一个很有趣的例子。
就是先让ChatGPT跟在座的人聊了一圈，然后问它：
而GPT回答的很好，直接把女生的名字回答的很准确，它记住了她。
然后又演示了另外一个当场教人做咖啡的场景。
我一直觉得，真正的实时视频理解，比语音和文本都重要的多。
因为对于我们人来说，从诞生到世界的第一天，当你还不会说话、还读不懂文字的时候，你理解这个世界，全靠视觉。
这是我们理解世界的基石。
而现在，当你举起一张手写的便签，它能立马看懂；当你你给它看一本杂志上的广告，它能分析背后的设计意图和话术风格；你对着镜头摆弄一件家里的小物件，它能指出其用途、历史、甚至给出改造建议。
这个东西，我觉得还是挺酷的。
今天晚上，他们正式宣布即将上线了。没错，是即将上线。。。
一周以内，对Pro和Plus用户开放。
OpenAI你是真的狗。
其实感觉以OpenAI这段时间直播的节奏，理论上这种功能，应该是跟o1pro和Sora类似，直播完后就直接全量上了。
但是有可能是受到了昨天Gemini2的冲击（他们也有视频理解），又或者是因为昨天早上ChatGPT的全线崩溃。
导致这一波节奏混乱，甚至，我都觉得今晚的直播，都是为了不显得自己丢人，临时换上来的。。。
二.实时理解屏幕
一个基于实时视频理解的变种。
只不过一个是通过摄像头，看外部的现实世界，一个是通过类似于屏幕共享的方式，让它来看你的屏幕。
跟视频实时理解一下，一周内上线。
这个东西，我觉得非常有用，类似于给你一个随时待命给你建议的牛逼助理。
随时看着你的屏幕，然后给你指点。
比如说一些我能想到的最简单的应用场景。
你在写PPT，感觉这页怎么做怎么丑，有点卡壳时，你就可以问它：
“这页的视觉排版逻辑是不是有点问题？“或者”这个配色看起来怪怪的，有没有更好的推荐？”
它就能直接指出核心问题，比如某一页的文字太密集，这个标题应该放在左上角，配图应该换个写实风格的，甚至它还能帮你现场给你一个最优方案，把问题瞬间解决。
再比如，在你写代码的时候，屏幕共享开着，它能实时看你代码的进展，指出可能的错误，甚至直接告诉你哪些变量命名不规范，哪些逻辑可以优化。
你都不用自己debug，它直接化身你的leader，边看边指正。
还有一个我自己觉得最实用的场景，就是处理表格数据。
因为我经常会做各种奇奇怪怪的数据分析，打开Excel的时候真的满屏的数据让你头晕脑胀，这个时候你只需要说一声：
“这份报表有啥什么异值？”或者“能不能帮我画个趋势图？”
当它立马就能帮你分析数据并给出结论的时候，我觉得，这就是帮了我大忙了。
当然，我理想中的最完美的形态，还是跟类似于那种Computer Use的Agent结合，直接帮我把事干了，那才是我最想要的。
比如，我们在用Figma做界面设计的时候，设计到一半，感觉排版不太对劲，于是就可以直接对它说了一句：
“整体简约一点，字体换成无衬线体。”
它立马接管设计，调整了文字间距、对齐方式，还推荐了几种更适合的字体供选择，最终完成一个更专业的设计方案。
甚至，它还能帮你理解背后的设计逻辑那就更屌了。
比如你问它：“为什么这个排版显得更舒服？”
它还能从用户体验的角度出发，解释黄金分割、留白运用等理论，带你快速提升审美和技能。
这个，可能才是我最想要的未来。
也是我觉得，屏幕实时理解的终极形态。
三.圣诞老人限定语音
一个挺抽象的更新，在高级语音里面，新加了一个新的音色。
叫Santa。其实就是个，圣诞老人的语音。
目前已经实时上线了，都可以在高级语音模式里体验到。
也挺抽象的，给大家听一听，我跟他的对话。。。
就，真的抽象。
可能对于老外来说，这个“吼～吼～吼”，真的有节日氛围吧。。。
写在最后
OpenAI直播，已经进行一半了。
稍微盘点一下。
Day 1：满血o1上线，ChatGPT Pro会员上线，o1 pro推出。
Day 2：基于o1的强化微调。
Day 3：Sora正式发布。
Day 4：ChatGPT Canvas全员开放以及小功能更新。
Day 5：给苹果站台，宣传苹果全系接入GPT。
Day 6：4o的实时理解上线。
说实话，非常的低于预期，非常的不尽人意，非常的想让我骂他。
每天晚上，都是如坐针毡、如芒刺背、如鲠在喉。
Dalle 4呢？AI Agent呢？AI搜索浏览器呢？猎户座新模型呢？
你这都是些啥啊。
最绝望的不是这个，最绝望的是，还有6天。
每天晚上我都会在小群里开腾讯会议，第一天来了80个人，第二天40个，第三天因为预告Sora也有40个，第四天20个，第五天11个。
而今天，只有5个。
真的，已经越来越没有人在乎了。
希望在后面的6天里，奥特曼你能改变一下我对于你的怨气，让我们觉得，OpenAI这么玩，都是策略，是在降低大家预期。
牛逼的东西，其实都放在后面。
真的，求求了。
为了你们自己。
也为了我们这些，每天熬夜的兄弟。
以上，既然看到这里了，如果觉得不错，随手点个赞、在看、转发三连吧，如果想第一时间收到推送，也可以给我个星标⭐～谢谢你看我的文章，我们，下次再见。
>/ 作者：卡兹克
>/ 投稿或爆料，请联系邮箱：wzglyay@gmail.com
数字生命卡兹克
 阅读 赞  分享 ‘%3E %3Cg transform=‘translate(0 -2.349)‘%3E %3Cpath d=‘M0 2.349h24v24H0z’/%3E %3Cpath fill=‘%23576B95’ d=‘M16.45 7.68c-.954 0-1.94.362-2.77 1.113l-1.676 1.676-1.853-1.838a3.787 3.787 0 0 0-2.63-.971 3.785 3.785 0 0 0-2.596 1.112 3.786 3.786 0 0 0-1.113 2.687c0 .97.368 1.938 1.105 2.679l7.082 6.527 7.226-6.678a3.787 3.787 0 0 0 .962-2.618 3.785 3.785 0 0 0-1.112-2.597A3.687 3.687 0 0 0 16.45 7.68zm3.473.243a4.985 4.985 0 0 1 1.464 3.418 4.98 4.98 0 0 1-1.29 3.47l-.017.02-7.47 6.903a.9.9 0 0 1-1.22 0l-7.305-6.73-.008-.01a4.986 4.986 0 0 1-1.465-3.535c0-1.279.488-2.56 1.465-3.536A4.985 4.985 0 0 1 7.494 6.46c1.24-.029 2.49.4 3.472 1.29l.01.01L12 8.774l.851-.85.01-.01c1.046-.951 2.322-1.434 3.59-1.434 1.273 0 2.52.49 3.472 1.442z’/%3E %3C/g%3E %3C/g%3E %3C/g%3E%3C/svg%3E) 推荐 ’ fill=‘%23000’ fill-opacity=’.9’/%3E%3C/svg%3E) 留言