在OpenAI春季更新上，OpenAI首席技术官米拉·穆拉蒂（Mira Murati）推出了GPT-4o，这是一款新的旗舰机型，通过文本、图像和音频的“omni”功能丰富了其套件，承诺在未来几周内迭代推出，以增强开发者和消费者产品。
“他们正在发布一个文本——音频——图像组合模型，在一个单一的神经网络中处理所有三种模式，然后如果你要求它，它可以作为一个特例进行实时语音翻译，”前OpenAI计算机科学家Andrej Karpathy说，他很快对发布做出了回应。
“新的语音（和视频）模式是我用过的最好的计算界面。感觉像电影里的AI，我还是有点惊讶这是真的。OpenAI首席执行官萨姆·奥特曼表示：“达到人类水平的响应时间和表达能力是一个巨大的变化。”他希望将‘通用基本计算’带给世界上的每个人。
此外，他说最初的ChatGPT暗示了语言界面的可能性；“这个新事物给人的感觉是完全不同的。它快速、聪明、有趣、自然、很有帮助。”
奥特曼说，对着电脑说话对他来说从来都不是很自然。“现在自然了，”他说，对未来人们将使用计算机做比以往更多的事情充满希望。
GPT-4o真正有趣的是，它将很快提供给ChatGPT Plus（带有一些个性化功能）和ChatGPT免费用户。“我们是一家企业，会发现很多东西可以收费，这将有助于我们为（希望）数十亿人提供免费、出色的人工智能服务，”奥特曼说。“感谢Jensen和NVIDIA团队为我们带来了最先进的GPU，使今天的演示成为可能，”Murati在闭幕词中说。与此同时，OpenAI总裁兼联合创始人Greg Brockman也展示了人机交互（甚至人机——计算机），让用户一瞥AGI之前的氛围。
RIP谷歌翻译？
在GPT-4o实时翻译能力的演示中，该模型在英语和意大利语之间进行了无缝翻译，体现了其复杂的语言适应性。许多人认为OpenAI的这一新功能很可能会取代谷歌翻译。
“OpenAI刚刚用他们的实时翻译器杀死了Google Translate（响应延迟接近0），”Fraser说，
与此同时，发布EVI（移情语音界面）的Hume AI也感受到了压力，让他们今天推出了API，以及其他未来的改进。