摘要: CHAT GPT 4.0国内版即将推出，为Plus用户提供声音和图像功能，解锁语音交流和图像输入。立即了解如何使用CHAT GPT多模态功能。
CHAT GPT 4.0国内版即将推出，将会为CHAT GPT Plus用户提供声音和图像功能，预计在接下来的两周内实现。
Plus用户和企业用户将在接下来的两周内体验到语音和图像功能。我们很高兴将这些功能很快扩展到其他用户群体，包括开发者。
这就是所谓的多模态，因为几个月前OpenAI就宣称他们的模型可以接收图片并理解图像。
例如，他们之前发布的演示中，CHAT GPT会觉得将手机与其连接很有趣。
但是直到今天，OpenAI才终于宣布要向用户开放这些功能。
这次更新的两个主要方面是：增加了多模态的两个维度，即语音和图像输入。
这意味着CHAT GPT不再仅仅是一个文本工具，它可以看、听、说话。这将为用户带来全新的可能性，从实时图像分析到语音交流，对于一些特殊用户群体，如视觉障碍者，也是一项重要的进步。
两个主要更新的内容：
1. 语音交互
这对于不方便打字或打字不熟练的人来说非常方便，你可以直接与CHAT GPT进行语音交流。
虽然之前CHAT GPT的手机应用支持语音输入，但只能输出文字，而现在可以直接进行语音交流，这在许多情况下将提高效率，也更有趣，比如可以要求它讲个睡前故事。
还有各种音色可供选择。
- 如何启用语音交互（在开放后）
- 进入CHAT GPT移动应用的设置。
- 在设置中选择加入语音对话。
- 在主屏幕右上角找到耳机按钮，选择您喜欢的声音，共有五个选择。
- 语音功能使用新的文本到语音技术，可以生成逼真的声音，OpenAI与专业声音演员合作，为每个声音创建了独特的特点。
- CHAT GPT还使用开源语音识别系统Whisper将您的口头输入转录成文本。
2. 图像输入与理解
现在，你可以向CHAT GPT发送多张图像，进行基于图像的对话。这项技术有着广泛的应用，从解决问题到分析工作数据，甚至是计划晚餐，都可以轻松实现。要专注于图像的特定部分，还可以使用移动应用中的绘图工具。这个更新将为我们的数字生活带来更多的便利和创新。
下面是OpenAI的一个案例，你可以看到这种交互是非常有用同时也非常的新颖。
实际上，CHAT GPT这类大模型的任务就是模拟人类大脑的功能，使其能够感知并分析五官的信息。最终的大模型版本将具备多模态能力，包括听、看、说话、感知等。对于CHAT GPT等大型模型的使用对于各种人群都具有重要意义，因为它们集合了丰富的知识和强大的逻辑，可以帮助人们解决各种实际问题。关于如何使用这些模型，可以参考知乎知学堂提供的「大模型与人工智能课程」⬇️ ⬇️ ⬇️
这次更新有两个明显的优点：
用户友好： 这次更新注重用户友好性，拍照、录音是人们已经习惯的操作。这种直观性使得CHAT GPT更容易融入我们的日常生活，例如解决家庭问题、辅助学习或进行创造性的语音交流。
相关文章
