作者 | 天行君
千呼万唤始出来，ChatGPT王炸升级！能看、能听、能说，正式支持多模态！
人类奇点时刻真的就要来了么？
北京时间9月25日，OpenAI正式官宣ChatGPT升级多模态。
更新一、图像理解能力
升级多模态的GPT3.5与GPT4可以分析理解图片中的信息，基于图片内容进行回答。
更新二、听说能力
语音识别用的是OpenAI的Whisper模型，语音合成使用全新的AI模型，只需要几秒钟的样本音频与文本，就能合成相差无几的音频。
按照计划，OpenAI将在未来两周时间里向付费用户推送这项功能。
还记得吗？在今年3月GPT-4的发布会上，最令人感到震惊的一幕。
OpenAI总裁Greg Brockman拿着一张草稿纸画了个草图，随手拍了张照就让GPT-4在10秒钟时间里生成了这个网站的代码。
文本、图像、语音实时交互，AI理解语音和图像，所见即所得，现在真的可以梦想成真了！
语音还好说，因为本质上还是TTS的技术，让文本和语音之间互相转化。
照官方意思，以后你和老婆吵架再吵不赢的话，可以直接把ChatGPT拍到桌子上，让它代替你来吵架~
用来给小孩讲睡前故事那更不在话下。
但读取图像这个能力就有点逆天了，它不是那种以图搜图的传统模式，而是用OCR技术去真的识别用户发出来的图片，哪怕这个图片是用户现拍的、没有在网上出现过，ChatGPT也能做出理解并调用大模型进行回应。
这个视频是一个实录，拍了自行车的照片问ChatGPT怎么调整自行车座椅高度，你们可以感受一下什么叫恐怖如斯。
我在自己的ChatGPT上测试，真的是被这个逆天能力惊吓到了，我感觉是在和一个真人聊天，而不是机器。
先丢了张自行车的图片给它，问如何把座椅调低。
可以看到ChatGPT通过python调用图像读取能力解析并回复。
然后提供了通用的调整方法，并让我给出细节图片提供具体建议。
然后根据我上传的细节图片解析并提供了更具体明确的操作方案。
按这个样子，那我们以后可以拍一张冰箱的照片，然后让ChatGPT来推荐菜谱；在旅行时拍摄一张地标的照片，让ChatGPT来做导游讲述这处景点；也能拍一张数学题的照片，让ChatGPT来解答。
患有乐高玩具密集恐惧症的爸妈也终于可以解放了，拍个照片丢给GPT去教孩子拼装就好了。
对了，根据OpenAI的说法，这个多模态版本在10个月前就训练好了，之前一直藏着，即便如此，现在出牌依然是几个代差的领先地位。
照这样的发展速度，以后还有什么ChatGPT做不到的吗？AI的边界在哪里？人类的未来在哪里？
要不人类进程按个快进键直接跳到硅基时代吧，我等不及了！
-END-
↓往期精彩文章，点击阅读↓
“刘德华为在，不怕没柴烧”，让刘德华去华为发布会，这是哪个天才脑瓜想的主意？！
说好的华为Mate60呢？为什么还是苹果iPhone15？越骂越贵，越骂越抢？
一 叶 知 秋 一 隅 观 局
/ 点击👆千千微语👇关注我，加★星标★ /
