GPT-4o 语音模式能“唱歌”了，虽然唱的不咋地

发布时间: 2025-05-27 10:20:13

1分

数据加载中

关注推特

收听电报

GPT-4o 语音模式能“唱歌”了，虽然唱的不咋地
IT技术
( twitter.com )

7天前由宝玉提交

Markdown支持

评论加载中...

您可能感兴趣的：更多

GPT-4o的实时语音下周就可以用上了吗？
IT技术
( twitter.com)

10个月前 • 宝玉 • -- 点击 0 评论

网友分享的在不同任务场景选择的最佳模型：
> Gemini Flash 2.0 用于 OCR
> Sonnet 3.7 用于编程
> GPT-4o 用于写作
> o3-high 用于推理
> Flux Pro Ultra 用于图像生成
> 可灵 1.6 用于视频生成
> Eleven Labs 用于音频处理
> Gemini Flash 用于图像编辑
> GPT-4o 用于语音模式
>
IT技术
( twitter.com)

2个月前 • 宝玉 • -- 点击 0 评论

OpenAI 发布 gpt-4o-audio-preview 模型
主要功能包括：
- 根据文本生成语音响应。
- 分析音频输入的情感、语调和音调。
- 支持语音到语音的互动，音频既可以作为输入也可以作为输出。
与Realtime API的区别：
时政
( twitter.com)

7个月前 • 小互 • -- 点击 • 下载视频 0 评论

00:00:10

GitHub Copilot 的代码自动完成（输入代码后灰色的提示部分）终于从 GPT-3.5 换到了微调后的 GPT-4o mini 模型，也就是 GPT-4o Copilot 模型，这个新模型基于 GPT-4o mini，额外训练了超过 275,000 个高质量的公共代码库，覆盖 30 多种主流编程语言。
不过要 VS Code
IT技术
( twitter.com)

3个月前 • 宝玉 • -- 点击 • 下载视频 0 评论

00:00:12

一图看清 ChatGPT 不同模型和订阅之间的差别
- GPT-4o 是目前功能最全面的模型。
- GPT-4.5 紧随其后，可能是因为它与 GPT-4o 存在很多相似的机制。
- 推理（Reasoning）类的模型特别不一致，各种功能的开启情况也比较随机。
- 目前自定义 GPT（Custom GPT）功能只能使用 GPT-4o。
IT技术
( twitter.com)

2个月前 • 宝玉 • -- 点击 0 评论

一家法国的 AI 实验室 Kyutai，刚刚发布一个对标 GPT-4o 的开源实时语音多模态模型，能够听、说、看，而且从演示看，也可以随时打断，可以模仿法国口音说英语，可以说悄悄话。效果比 GPT-4o 要差一点，但是已经很接近了。
重要的是：
- 他们的模型训练管道和架构非常简单且具有很大的可扩展性，像
IT技术
( twitter.com)

11个月前 • 宝玉 • -- 点击 • 下载视频 0 评论

00:08:57

兄弟们，这个强啊，效果真的挺棒
复旦大学OpenMOSS人工智能开放实验室
推出首个端到端实时语音交互模型
中文语音能力感觉和GPT 4o 的高级语音很接近
- 低于 200 毫秒，支持语音打断和自然互动
- 可根据指令生成多情感、多风格的语音，包括模仿特定角色的情绪。
-
时政
( twitter.com)

4个月前 • 小互 • -- 点击 • 下载视频 0 评论

00:05:26

在大家都在翘首以盼 OpenAI 发布 GPT-5 的时候，OpenAI 却只是先后发布了 GPT-4o和 GPT-4o mini，甚至推理能力智能程度还不如当初的 GPT-4，但是这两个新模型不仅支持了多模态，而且参数都要小于 GPT-4，生成速度很快，推理成本也低了很多倍。
这背后，应该是因为新的 GPT-4o
IT技术
( twitter.com)

10个月前 • 宝玉 • -- 点击 0 评论

Soul 的语音新模型，中文效果完爆4o
IT技术
( twitter.com)

9个月前 • orange.ai • -- 点击 • 下载视频 0 评论

00:02:40

GPT-4o 语音模式能“唱歌”了，虽然唱的不咋地 IT技术 ( twitter.com )

IT技术

GPT-4o的实时语音下周就可以用上了吗？ IT技术 ( twitter.com)

IT技术

IT技术

OpenAI 发布 gpt-4o-audio-preview 模型 主要功能包括： - 根据文本生成语音响应。 - 分析音频输入的情感、语调和音调。 - 支持语音到语音的互动，音频既可以作为输入也可以作为输出。 与Realtime API的区别： 时政 ( twitter.com)

时政

IT技术

IT技术

IT技术

时政

IT技术

Soul 的语音新模型，中文效果完爆4o IT技术 ( twitter.com)

IT技术

创建一个新帐户

登录

GPT-4o 语音模式能“唱歌”了，虽然唱的不咋地
IT技术
( twitter.com )

GPT-4o的实时语音下周就可以用上了吗？
IT技术
( twitter.com)

OpenAI 发布 gpt-4o-audio-preview 模型
主要功能包括：
- 根据文本生成语音响应。
- 分析音频输入的情感、语调和音调。
- 支持语音到语音的互动，音频既可以作为输入也可以作为输出。
与Realtime API的区别：
时政
( twitter.com)

Soul 的语音新模型，中文效果完爆4o
IT技术
( twitter.com)