GPT-4o

GPT-4o是由OpenAI于2024年5月14日发布的旗舰级多模态大语言模型，名称中的"o"代表"Omni"（全能），寓意其具备全面的多模态处理能力。
与以往需要外挂语音识别、语音合成模块的传统方案不同，GPT-4o采用端到端的统一神经网络架构，能够同时处理文本、音频和图像三种模态的输入，并实时生成文本、语音和图像的任意组合输出，真正实现了"听、说、读、写、看"的全能交互体验。
它的核心定位是将GPT-4级别的智能以更自然、更快速的方式带给所有人，包括免费用户，是OpenAI迈向更自然人机交互的重要里程碑。