4o 的多模态怎么还没开放

现在好像还是单纯的文本模型

baoshuai33

2024-06-02 08:45:50 +08:00

前面有个回形针一样的就是可以传文件

crokily

2024-06-02 09:07:16 +08:00

拍照和语音一句句对话这些一直都有，但是像发布会上的那种实时对话还是没有发布。
也不知道啥猴年马月才会发布。

maolon

2024-06-02 09:09:37 +08:00

openai 的臭毛病，先把 hype train 搞出来，具体用户啥时候能体验，慢慢等灰度去吧。
开发者论坛上一堆问什么时候开放演示里功能的，答曰: 无可奉告(现在只给密切合作伙伴使用)

lDqe4OE6iOEUQNM7

2024-06-02 10:12:58 +08:00

语音内测要几周，全部上线还得几个月，看 Open Ai 公告，就是为了在谷歌之前发布，不然没亮点了，加上斯嘉丽控诉 opanai ，下架了一个声音，估计不知道要多久，好几周了

shan1989

2024-06-02 11:40:20 +08:00

目前只能输出文字，无法直接输出图片这些吧

IndexOutOfBounds

2024-06-02 13:13:31 +08:00

@baoshuai33 @kuhung @crokily @binaryify 我猜现在的语音，图片都还不是原生多模态，比如语音是先转成文字再给 gpt 的，和原生多模态还不一样，信息会有损耗，比如声音的语气情绪

crokily

2024-06-02 13:55:17 +08:00

@IndexOutOfBounds 是不一样，发布会演示的是 RTC 实时对话，现在这个还得一句一句等候处理。

appsyb

2024-06-02 16:31:56 +08:00

4o 发布会就是为了狙击 Google I/O gemini 的

ufogxl

2024-06-02 21:37:30 +08:00

@shan1989 可以输出图片，还能利用 bing 搜索在线内容

18k

2024-06-02 22:29:07 +08:00

我的有了，就是没开会员限制文件次数

binaryify

2024-06-05 13:38:49 +08:00

@IndexOutOfBounds 语音还得等,但是图片我看是可以识别图片内容的,不只是文字,你给它几个西瓜的图,打上数字编号,他会告诉你哪个熟了可以买,给它发 k 线图,也会给你分析走势

IndexOutOfBounds

2024-06-05 23:11:25 +08:00

@binaryify 哦哦，我主要还是指原生多模态。这个应该是模型外挂了什么视觉识别？不是模型本身认识图片，Poe 上用 gpt3.5 也可以上传图片，但模型本身显然只能处理文字

binaryify

2024-06-06 10:05:55 +08:00

@IndexOutOfBounds #15 确实,现在感觉和发布会的就是买家秀和卖家秀的区别

这是一个专为移动设备优化的页面（即为了让你能够在 Google 搜索结果里秒开这个页面），如果你希望参与 V2EX 社区的讨论，你可以继续到 V2EX 上打开本讨论主题的完整版本。

V2EX 是创意工作者们的社区，是一个分享自己正在做的有趣事物、交流想法，可以遇见新朋友甚至新机会的地方。

V2EX is a community of developers, designers and creative people.