GPT-4o語音功能終於如期而至，科幻版Her走進現實！一些灰階測試到的網友已經玩瘋了，不過，OpenAI目前只給了4種預設語音。另外，GPT-4o新模型的輸出token也暴漲16倍至64K。
奧特曼的承諾，終於兌現了。
趕在7月結束前，GPT-4o語音模式終於開啟了灰階測試，一小部分ChatGPT Plus用戶已經拿到了嚐鮮入場券。
如果打開ChatGPT App之後看到了下面這個介面，恭喜你成為了第一批幸運兒。
OpenAI稱，進階語音模式提供了更自然、即時對話，可以隨意打斷，甚至它還可以感知、回應你的情緒。
預計今年秋季，所有ChatGPT Plus用戶，都能運用此功能。
另外，視訊和螢幕分享更強大的也在稍後推出。也就是，開啟鏡頭，就能和ChatGPT「面對面」聊天了。
一些被灰階到的網友紛紛開啟測試，發現了GPT-4o語音模式的許多用例。
不，有人就讓它充當「二外教練」，教自己練習口語。
ChatGPT在下面的教學中，幫助網友修正了Croissant（羊角麵包）、Baguette（法國長棍）的發音。
同時，GPT-4o的輸出token飆升了16倍，從最初4000個token增加到64000個token。
這是OpenAI最近在官方網頁中，悄悄推出的測試版新模型gpt-4o-64k-output-alpha。
更長的輸出token，就意味著，一次性可以得到大約4個完整的長篇電影劇本。
01 Her已來
之所以現在才放出GPT-4o語音功能，是因為過去幾個月裡，OpenAI一直在進行安全性、品質測試。
他們與100+紅隊人員，就45種語言對GPT-4o語音能力進行了測試。
為保護人們的隱私，團隊訓練模型只使用4種「預設聲音」說話。
他們還創建了一個系統，去阻止在這4種聲音之外，其他聲音的輸出。
此外，內容過濾也是不可或缺，團隊也採取措施阻止暴力、有關版權內容的產生。
OpenAI預告，計劃在8月初，會發布一份關於GPT-4o能力、限制、安全評估的詳細報告。
全網實測
以下是一些網友分享的GPT-4o語音模式的案例。
ChatGPT可以表演節奏口技。
ChatGPT還可以以害羞、生氣、更憤怒的語氣講出了關於啤酒的笑話。
還有網友專為ChatGPT講了一個笑話「為什麼科學家不相信Adam-Atom，因為它們構成了一切」。
ChatGPT不失尷尬地笑了起來。
更搞笑的是，ChatGPT學起貓叫還是有一套的。
有人經過一番測試下來，發現ChatGPT高級語音模式非常快，答案幾乎沒有延遲。
當被要求模仿一些聲音時，它總是可以真實地復刻出聲音。而且不同口音，也可以模仿出來。
下面這個影片中，展示了AI充當足球比賽解說員的場景。
ChatGPT用中文講故事，也很生動。
OpenAI雖然聲稱，影片和螢幕分享功能稍後推出，不過已經有網友先用上了。
網友有一隻貓咪新寵，為它搭建了小窩，準備了吃食，但不知道怎麼樣，於是就問問ChatGPT。
在影片的對話中，網友向它展示了貓咪的房子，ChatGPT看完後評論道，「一定非常舒適」，並關心貓咪如何。
網友表示，目前它還沒有吃東西，看起來有點擔心。 ChatGPT安慰道，「這很正常，對於貓咪來說需要適應的時間」。
可以看出，整個問答過程非常流暢，給人一種與真人交流的感受。
網友還翻出了日文版介面遊戲機，但自己又不會日文。
這時，他一邊向ChatGPT展示遊戲介面，一邊讓其幫自己做翻譯，最後胡一起通關遊戲。
不得不說，有了視覺+語音模式的加持，ChatGPT強了很多。
02 GPT-4o Long Output悄悄上線，輸出高達64K
另外，支援更大token輸出的GPT-4o隨之而來。
就在昨天，OpenAI正式宣布向提供測試者GPT-4o Alpha版本，每次請求支援最多輸出64K token，相當於200頁小說。
測試者可以從“gpt-4o-64k-output-alpha”，存取GPT-4o的長輸出功能。
不過，新模型的價格再次刷新天花板。每百萬輸入token 6美元，每百萬輸出token 18美元。
雖說輸出token是GPT-4o的16倍，但價格也漲了3美元。
這麼一比，果然還是gpt-4o-mini價格香！
研究員Simon Willison表示，長輸出主要用於資料轉換用例。
例如，將文件從一種語言翻譯成另一種語言，或從文件中提取結構化數據，幾乎每個輸入token都需要在輸出的JSON中使用。
在此之前，他所知道的最長輸出模型是GPT-4o mini，為16K token。
為什麼推出更長輸出的模型？
顯然，更長的輸出，可以讓GPT-4o提供更全面、細緻的反應，對於一些場景非常有幫助。
比如，編寫程式碼、以及對寫作的改進。
這也是基於使用者的回饋——需要更長輸出內容才能滿足用例，OpenAI才做出的調整。
上下文和輸出之間的區別
GPT-4o自推出以來，便提供了最大128K的上下文視窗。而對於GPT-4o Long Output，最大上下文視窗仍然是128K。
那麼，OpenAI如何在維持整體上下文視窗為128K的情況下，將輸出token數量從4,000增加到64,000呢？
這是因為，OpenAI在最初就限制了輸出token數量，最大為4000個token。
這意味著，使用者可以在一次互動中最多以124,000個token作為輸入，也最多只能得到4,000個輸出token。
當然，你也可以輸入更多token，那就代表輸出token更少了。
畢竟長下文長度（128K）就固定在那裡，不管輸入怎麼變，輸出token也不會過4000。
而現在，OpenAI將輸出token長度限制在64,000 token，也就是說，你可以比以往多輸出16倍的token。
畢竟，輸出計算量更大，價格漲幅也更大。
同樣，對於最新的GPT-4o mini，上下文也是128K，但最大輸出已提升至16,000個token。
那麼，使用者可以提供最多112,000個token作為輸入，最終得到最多16,000個token的輸出。
總的來說，OpenAI在這裡提供了一個方案，限制輸入token，以獲取LLM更長的回應，而不是直接擴大上下文長度。
而市面上其他模型，長的都已經超過百萬了（Gemini），稍微短一些的也有200K（Claude）；甚至有的模型輸出都已經達到了200K，而OpenAI還在這兒摳摳搜搜。
這也就把難題丟給了開發者：想要輸入多，那就得接受輸出少；想要輸出多，那就得輸入少一些。
具體怎麼衡量，看你們自己願意犧牲哪一個了……
寫在文章最後，如果您需要付費ChatGPT服務，可以開通一張國際虛擬信用卡。牛牛平台就是專門提供國際虛擬信用卡的平台，敢興趣的朋友可以回到官網或增加客服TG（@bullbull999）進行了解。
