AI行业跟踪报告第50期：OpenAI十二日发布会“收官”，AGI发展又一里程碑.pdfVIP

计算机行业

图2：ChatGPT对画面内容进行实时分析

资料来源：36氪，光大证券研究所

Day6：语音和视觉功能（AdvancedVoicewithVision）发布

OpenAI发布季第六天，5月份预告的语音和视觉功能（AdvancedVoicewith

Vision）终于发布。这意味着ChatGPT现在能够通过视觉和听觉与用户互动，

提供实时的视觉互动体验，就像与真人视频聊天一样自在。

在今年5月14日的春季发布会上，OpenAI首次正式介绍了GPT-4o，其中最引

人注目的莫过于其原生的多模态能力。实时视频通话功能的出现，将AI与人类

的互动提升到了一个新的高度。用户不仅能够与AI进行实时对话，更令人惊喜

的是，AI可以理解用户的动作和环境。例如，当用户谈论桌子上的一杯红色冰

美式咖啡时，AI能够记住这个细节，并在稍后的问题中准确回答。

这种实时理解视觉的能力，对于AI来说无疑是一种前所未有的突破。OpenAI

进行了场景演示，让ChatGPT与在场人员互动，甚至能精准地记忆名字和细节。

OpenAI还透露，这项新功能将在一周内对Pro和Plus用户开放。

图3：ChatGPT可以通过理解用户的动作及环境实时指导用户制作咖啡

资料来源：OpenAI官方X账号

敬请参阅最后一页特别声明-2-证券研究报告

计算机行业

与实时视频通话相辅相成的另一个功能是实时理解屏幕。这个功能通过屏幕共享

的方式，让AI能够查看用户的电脑屏幕，提供即时建议和反馈。这种实时辅助

将大大提升工作效率，尤其在需要灵活处理复杂任务时，功能尤为显著。

此外，OpenAI还十分应景地推出了“圣诞老人限定语音”，这是在高级语音模

式中新增的一个音色，带有浓厚的节日气氛，用户可以在对话中体验到不同的语

音输出，让人感受到节日的欢乐氛围。

图4：ChatGPT平台推出圣诞老人限定语音

资料来源：OpenAI官方X账号，光大证券研究所

发布之日起，最新的移动应用将逐步向所有Team用户及大部分Pro和Plus订

阅者推出高级语音视觉功能。对于欧洲的Pro和Plus用户，OpenAI将尽快提

供这项服务。至于企业用户和教育用户，他们将在明年年初获得访问权限。

Day7：推出Projects功能，用户对话管理重大更新

OpenAI在第七天的发布会上，发布推出一项革命性的功能——Projects。这一