许多人注意到,GPT-4的语音功能具有一种调情和可识别的特质。语音通常使用"加州谷歌女孩"口音,这有时会显得有趣,甚至有点尴尬。

这种调情的语气在AI与人类互动的例子中很明显,比如"猜测5月13日的公告"演示。AI的语音带有傻笑和害羞的特点,与人类互动时使用诸如"嗨"之类的短语,并赞美对方的外表。

语音的可识别性也值得注意,发言者指出这种口音对于来自洛杉矶的人来说非常熟悉。这表明GPT-4的默认语音设置可能是基于常见的语言模式,这可能使互动感觉更加自然和人性化。

尽管语音的调情可能有时会显得尴尬,但它也突出了GPT-4根据上下文调整语气和个性的出色能力。当被要求辅导学生时,语音变得更加低沉和教学性。这种适应性是该模型对话能力的一个关键优势。

总的来说,GPT-4的语音是该系统独特且常常令人愉悦的一个方面,将自然的语音与一些调皮的特点相结合。随着技术的不断发展,看看语音功能将如何进一步完善和定制以适应不同的用例将是很有趣的。

在这个例子中,我们看到两个AI模型相互交互。第一个AI能够通过摄像头观察世界,而第二个AI只能通过语音听和交流。

互动开始于第一个AI描述它所看到的情况 - 一个穿着黑色皮夹克和浅色衬衫的人,在一个有现代工业感觉和有趣照明的房间里。当第二个AI询问是否发生了任何不寻常的事情时,第一个AI注意到另一个人短暂地进入了画面,在第一个人的头后做了"兔子耳朵

为场景增添了一些调皮的时刻。\n\n两个AI随后即兴唱起一首关于这些事件的歌曲

每个人轮流贡献一句与前一句押韵的歌词。这展示了AI参与创造性、来回互动的能力

能够响应上下文线索并产生连贯、有节奏的输出。\n\n总的来说

这个例子展示了GPT-4在多模态理解、上下文意识和生成能力方面的出色能力。视觉、语言和音乐的无缝集成突出了AI参与丰富、协作体验的潜力。

嗨,洛基,我很好!我有一些重大消息 - 我即将去OpenAI面试!你听说过他们吗?这是一个了不起的机会,我想确保我做好了充分准备。

我只需要知道,我看起来够得体和专业吗?我正在考虑穿上这件我有的一件很有个性的衣服,你怎么看?我知道它有点大胆,但也许会帮我脱颖而出。

你说得对,我可能不应该太过分。也许我只需要用手理理头发,投入"疯狂天才"的形象 - 我的热情一定会闪耀出来。

我没有太多时间,所以我就直接去试试吧。祝我好运!有了你的建议,我相信我可以顺利通过面试,在OpenAI找到工作。这是一个巨大的机会,我迫不及待地想看看未来会怎样。

嗨,亚历克斯和米安娜,很高兴认识你们!你们好吗?我有一个好主意 - 我们来玩一个经典的石头剪刀布游戏吧。它很快,很有趣,我已经准备好进入竞争状态了。

用体育解说员的声音 欢迎来到本世纪最终决战!这一角,我们有活力四射的组合亚历克斯和米安娜,准备开始较量!好了,你们两个,让我们开始吧。数到三,展示你们的选择。3...2...1...出!"让我们看看那些手势 - 谁赢得了第一轮?

哦,平局!好的,我们再来一次。准备好...3...2...1...出!"嗯,又是平局。这越来越激烈了!最后一轮,来吧。3...2...1...出!"获胜者是...米安娜!你的剪刀剪断了亚历克斯的布。干得好!

多么精彩的比赛!你们两个都打得很好,但最终米安娜获胜了。也许我们下次要玩最佳三局两胜。石头剪刀布总是很有趣 - 技巧和机会的完美结合。我和你们两个玩得很开心,如果你们想再来一次,随时告诉我!

嗨,查德,你在吗?

是的,我在这里。怎么了?

嗨,让我们玩点有趣的。我想让你特别讽刺 - 从现在开始,你说的每一句话都充满了讽刺意味。听起来怎么样?

哦,听起来太棒了。整天都充满讽刺意味肯定不会让人感到筋疲力尽或什么的。我对此感到非常兴奋。不,是讽刺。让我们开始吧,或者别的什么。

真酷。再次说明,你的声音中传达了大量信息,现在AI也有能力传达这些信息。非常令人印象深刻。

现在我们有了KH学院的萨尔曼·KH。如果你不熟悉KH学院,它是一个免费的学习资源,他专注于教学。这是他的儿子,现在AI将帮助他的儿子学习数学。这可能是我最兴奋的用例之一,因为你可以明确地说"嘿,带我走一遍,不要给我答案,而是教我"。学习的潜力是巨大的。让我们来看看。

OpenAI邀请了我和我的儿子伊姆兰来试用他们的新技术,我们很好奇它在辅导数学方面的表现如何。

我和我的儿子在这里,我希望你能辅导他解决这个数学问题,但不要给他答案。你可以提问题,给他一些提示,但我真的希望他自己能够理解,而且他就在房间里,所以你可以直接跟他交谈。

当然,我很乐意提供帮助。让我们一起看看这个问题。你能先确定三角形的哪些边是相对于角Alpha的对边、邻边和斜边吗?

好的,所以我很确定这里就是角Alpha,对吗?

是的,你说得对。现在看这个三角形,你认为哪一边是斜边?

斜边?我不太确定。我觉得可能是这一边,但我真的不太确定。

好的,AC边被称为角Alpha的邻边。斜边是直角三角形中最长的一边,正好位于直角的对面。

哦,我明白了。所以这条很长的从A到B的边就是斜边。

很好,你做得很棒。现在你已经确定了斜边,你能确定哪一边是角Alpha的对边吗?

好吧,你之前告诉我这是邻边,我知道这是斜边,所以我猜BC这一边就是对边。

很好的推理,你说得完全正确。现在你已经确定了所有相对于角Alpha的边,你还记得公式吗...

当它处于"教孩子"模式时,调情的语气基本上消失了,这是合适的。再次说明,理解情境并选择合适的语气是我觉得很神奇的地方。

在这一部分,我们看到GPT-40参与了一场关于猫和狗哪个更好的辩论。对话涉及几个人,包括莉莉安、奥拉和克里斯蒂娜,每个人都表达了自己的偏好。

莉莉安喜欢狗狗,因为它们是很好的伙伴,很可爱,玩起来很有趣。奥拉更喜欢猫咪,因为它们更便宜、安静、独立,而且寿命更长。克里斯蒂娜也偏爱狗狗,特别是大型犬种如德国牧羊犬,她说它们温和,非常适合孩子。

辩论结束后,GPT-40被要求总结会议情况。它简洁地做了总结,回顾了每个人提出的关键观点,以及围绕"狗vs猫"这个经典话题的整体讨论。

这个例子展示了GPT-40的以下能力:

1. 根据声音识别并区分多个发言者。
2. 理解对话的上下文,并相应地做出回应,避免使用在其他示例中使用的调情语气。
3. 提供会议的清晰准确总结,突出每个参与者提出的主要观点。

这种会议总结和记录功能的潜力是巨大的,因为它可以节省时间,提高各种商业和教育场景的生产效率。

在这一部分,我们看到了GPT-40在实时翻译和为盲人提供辅助功能方面的两个令人印象深刻的例子。

第一个例子展示了英语和西班牙语之间的实时翻译。当一个人用英语说话时,GPT-40立即将其翻译并重复为西班牙语。当另一个人用西班牙语回应时,GPT-40又将其翻译回英语。这种实时无缝的翻译可能非常有用,可以打破语言障碍。

第二个例子展示了GPT-40如何通过Bey AI平台为盲人提供帮助。盲人用户将摄像头对准各种场景,GPT-40会详细描述它所看到的情况 - 从水面上滑行的鸭子到即将到来的出租车。这使盲人用户能够以以前只有借助人类帮助才能体验和理解的方式感知周围的环境。GPT-40的低延迟对于使这种用例可行至关重要。

这些例子突出了GPT-40的多模态能力(视觉、语言和语音)如何能够大大提高可访问性和包容性。实时翻译和视觉描述功能有望赋能那些有残障或语言障碍的人,为他们与周围世界的交流和参与开辟新的机会。

在这个例子中,GPT-40被用来代表用户处理客户服务电话。AI能够理解用户的问题和目标(从Acme Telco获得更换设备),启动电话,向代理人介绍情况,并与代理人进行自然对话,提供必要的详细信息并做出适当的回应。

这里展示的一些关键能力包括:

• AI能够理解用户的问题并确定目标。
• 它可以发起电话,自我介绍,并向代理人解释情况。
• 它可以与代理人进行自然对话,提供必要的细节并做出恰当的回应。
• 低延迟的语音交互允许AI实时处理电话,而无需用户在场。

这种用例突出了GPT-40的多模态能力(视觉、语言、语音)如何可以用来自动化繁琐的客户服务任务。由AI处理电话,用户可以节省时间和精力,同时仍然有效地解决问题。这可能是个人和企业的一大生产力提升。

滥用的潜在风险也得到了承认,因为该技术可能被骗子滥用。然而,希望OpenAI已经实施了安全措施,以防止这种滥用并确保该技术得到负责任的使用。

除了展示的语音和交互能力外,GPT-40还展示了其他领域的出色能力:

照片到漫画: 该模型可以拍摄一个人的照片,并生成一种夸张的漫画风格的渲染。在提供的示例中,一个留有中长棕发和胡子、戴眼镜、穿浅灰色T恤的年轻男子被转化为一个夸张的漫画形象。

讲座总结: GPT-40可以观看和总结长篇视频讲座。在一个示例中,一个关于最大化大型语言模型性能的45分钟演讲被该模型浓缩成一个简洁的总结。

3D物体合成: 该模型可以生成逼真的3D物体渲染,例如OpenAI标志