和ChatGPT打个视频电话 - OpenAI 12 Days - Day 6

开发调优
, ,
1

省流：高级语音模式支持实时视频输入

  1. 启动高级语言模式时，可以开启摄像头，模型可以根据视频画面实时提供帮助
  2. 可以共享手机屏幕画面作为视频输入
  3. plus和pro订阅用户都将获得升级了视频功能的高级语言模式
  4. 官方训练了一个“圣诞老人”的角色可以与之对话，具有单独的使用额度

评价

一言难尽。

从科研人员的角度来讲，多模态实时对话其实是很难做的（直播中展示了模型可以recall一段时间之前介绍给它的人脸，说明是具有实打实多模态上下文的），对模型能力和算力要求都不低，我非常好奇OpenAI是如何做到把这样的功能开放给那么多用户。把这些做出来真的不简单。

但是，从用户或投资方的角度，OpenAI不过是兑现了一个早就画出来的饼。一定会有很多人这样讲：“不就是语音对话模式加了个图像吗？而且9月份就见过了啊。OpenAI真没劲！” 这也是无可辩驳的事实。

我个人常常会想，我们是否对于OpenAI（乃至其他AI公司，尤其是国内几家）过于苛责了？我们总是希望他们能在几个月内就拿出亮眼却又成熟好用的新功能。但这个领域是如此的稚嫩，和其他早已成熟、有着十余年以上积淀、学术界与工业界之间形成了一套成熟的落地流程 的体系是不同的。很多我们看到并立刻上手尝鲜的新功能，可能今年上半年还只存在于实验室。行业前沿的科研，哪有两三个月就出一个突破性成果的呢？

经过以上的反思，我认为不应该苛责OpenAI拿不出每天一个一共12个划时代的突破性成果，其问题在于一再打肿脸充胖子，进行夸张不切实际的营销。

L站有许多佬友和我一样不断追着热点，去体验各种新技术。我相信这两年AI的进展和普及已经比以往任何科技革命都要迅速了，让我们耐心等待它们成长吧。

26 个赞
2

圣诞老人蛮有活力的，挺英国文学有声书一样 :rofl:

5 个赞
3

感觉只能回答一些很基础的问题，应该不是理解了视频，更像截图

2 个赞
4

新功能什么时候上线

1 个赞
5

有可能。直播中并不能看出模型对视频到底理解到什么程度，唯一有一点好像是它能判断水壶有没有在倒水出来？（记不太清了）
这个只能等能用之后实测一下。

6

当时没太听清 :disappointed_relieved:
好像是一周之内，然后Santa是当天上线

1 个赞
7

我猜就是给GPT增加了一个查看视频图像的外部函数，GPT觉得需要的时候可以取一张图放进上下文，如此而已

8

今天早上试了一下，多了一个圣诞老人的语音聊天，没有视频功能，安卓手机

1 个赞
9

google的stream realtime已经可以做到了，而且速度还很快

2 个赞
10

发布了，我还是没有。
google还是好人啊

11

就。。一般。。

12

确实不应该过分苛责。如果谁的AI能力强就对其他AI弃如敝履，那很快就会出现一家独大。须知现在你追我赶的局面正是充分竞争的结果。
对于OpenAI画大饼、过分营销，我认为也应该理解，它才是实打实的ALL in AI，它没有其他业务支撑的，不搞营销圈投资、圈用户，怎么持续发展？sam的worldcoin也不是什么赚钱的公司。
所以从这个角度，sam把公司变成盈利性的都是别无选择的，换作任何人都一样。

#补充一下：但偷摸降智，这个无法原谅。

5 个赞
13

辩证的，我挺喜欢充分竞争，这样可以避免一家挤牙膏。
降智是特别膈应人的，虽然去年所谓“降智”在国外叫“偷懒”，一方面是算力因素，另一方面就是本身不支持地区。但是作为少数不支持国家，无论是Plus还是Pro，其实都是无售后的，只能自己摸索对抗，体验自然是不好的。

14

显燃openai的多模态龍力远远于谷哥 :crazy_face:

15

截图的话，之前始皇就已经写了一套，能达到类似的效果