什么是 OpenAI GPT-4o？

OpenAI 的 GPT-4o（“o”代表“omni”）是迈向更自然人机交互的突破性一步。它是一个单一的统一模型，能够原生接受和生成文本、音频和图像内容的组合。与之前分别处理不同模态的模型不同，GPT-4o 将它们无缝集成，从而实现更丰富、更具上下文感知能力的对话和输出。它旨在显著提高速度、能力和成本效益，使高级人工智能对普通用户和开发人员都更易于访问。

主要特点

• 原生多模态： 在一个神经网络中同时处理文本、音频和视觉，使其能够同时理解音调、背景噪音和视觉上下文。
• 实时响应： 对音频输入的响应时间最短为 232 毫秒，平均为 320 毫秒，与人类对话的响应时间相似。
• 高级视觉能力： 能够“看到”并解释图像、屏幕截图和文档，以回答问题、总结内容，甚至分析复杂的视觉数据。
• 增强的音频交互： 超越了简单的语音转文本和文本转语音。它能理解情感，以各种风格生成语音，甚至唱歌。
• 成本和速度效率： 与 GPT-4 Turbo 相比，API 的速度快 2 倍，成本低 50%，以更低的成本为开发人员提供更好的性能。
• 广泛可用性： 为 ChatGPT 的免费层提供支持，付费用户享有显著更高的消息限制。

使用案例

• 实时语音助手： 创建高度响应和情感智能的语音助手，能够以类似人类的延迟进行理解和响应。
• 交互式数据分析： 上传图表并与模型就数据进行对话，要求它识别趋势或创建摘要。
• 实时翻译： 在对话期间使用该模型进行实时语音翻译，AI 能理解语音的细微差别。
• 代码和 UI 理解： 提供应用程序的屏幕截图，并要求模型解释代码或生成类似的 UI 组件。
• 内容创作： 生成结合文本和图像的丰富内容，或为播客或演示文稿创建具有特定情感基调的音频。

入门指南

这是一个使用 OpenAI Python 库与 GPT-4o API 交互的简单“Hello World”风格示例。首先，请确保您已安装该库并设置了您的 API 密钥。

```bash pip install openai

然后，您可以使用以下 Python 代码发送文本提示：

```python from openai import OpenAI

建议将您的 API 密钥设置为环境变量

client = OpenAI(api_key=”您的OPENAI_API_密钥”)

client = OpenAI()

response = client.chat.completions.create( model=”gpt-4o”, messages=[ {“role”: “system”, “content”: “你是一个有用的助手。”}, {“role”: “user”, “content”: “你好，世界！”} ] )

print(response.choices[0].message.content)

定价

GPT-4o 的 API 采用即用即付的定价模式，比其前身 GPT-4 Turbo 便宜得多。

• 输入 Tokens： 每 100 万个 tokens 5 美元
• 输出 Tokens： 每 100 万个 tokens 15 美元

这一定价使其成为构建可扩展 AI 应用程序的极具竞争力的选择。对于 ChatGPT 用户，该模型在一定限制下免费提供，而 ChatGPT Plus 订阅者则可获得高达 5 倍的消息限制。