据 The Information 报道，OpenAI 最近向部分客户展示了一款新型多模态人工智能模型，该模型能够进行语音对话和物体识别。有消息人士透露，这或许就是 OpenAI 计划在即将到来的 5 月 13 日正式发布的内容之一。
报道称，相比于 OpenAI 现有的独立图像识别和文本转语音模型，该新型模型能够更快、更准确地处理图像和音频信息。例如，它可以帮助客服人员“更好地理解来电者的语气语调，判断他们是否在使用讽刺语气”。理论上，该模型还能辅助学生学习数学知识，或翻译现实世界中的标志文字。
不过，消息人士也指出，虽然该模型在某些问题解答方面能够超越 GPT-4 Turbo，但仍有可能出现自信地给出错误答案的情况。
IT之家注意到，开发者 Ananay Arora 发布了一张包含通话相关代码的截图，暗示 OpenAI 可能正在为 ChatGPT 加入打电话的功能。Arora 还发现了一些证据表明 OpenAI 正在配置用于实时音视频通信的服务器。
OpenAI 首席执行官萨姆・阿尔特曼 (Sam Altman) 已经明确否认即将发布的新品是代号为 GPT-5 的大型语言模型（据称其性能将大幅优于 GPT-4）。The Information 则表示，GPT-5 可能将在今年年底前正式亮相。阿尔特曼还表示，OpenAI 不会发布新的人工智能搜索引擎。
如果 The Information 的报道属实，OpenAI 的新品发布仍可能会对即将举行的 Google I / O 开发者大会产生一定影响。众所周知，谷歌也在测试利用人工智能进行电话呼叫的技术。此外，谷歌还有一个据传即将发布的项目，代号为“Pixie”。Pixie 是一款能够通过设备摄像头识别物体的多模态 Google Assistant 替代品，可以为用户提供诸如“如何前往购买地点”或“如何使用”等信息。
