微信扫码登录
自选
APP下载
扫一扫,下载

【游戏】传媒GPT-4o:开启AI语音助手时代,关注与IOS系统和Windows系统的进展

原文出处: 华福证券   贡献者:研报专业户

投资要点:


一、GPT-4o模型基座:三种模态的混合模型,带来更大泛化能力


PT-4o是文本、视觉和音频的端到端训练的一个新模型,这意味着所有输入和输出都由同一个神经网络处理。对文本、音频和视觉三种模态统一进行混合训练,因而大部分数据都是通过无监督学习实现;相比过去拼接模型需要对视觉进行标注,混合模型在整体数据量规模上可以做得更大,进而带来更大的泛化能力。


二、GPT-4o奠定AI语音助手基础:低延迟+情绪感知+视觉感知


1、AI语音基础:接近于人类对话响应速度。GPT-4o可以在短短232毫秒内响应音频输入,平均为320毫秒,这类似于对话中的人工响应时间,没有表现出丝毫延迟的视觉和声音反馈。在GPT-4o之前,使用语音模式与ChatGPT交谈平均延迟为2.8秒(GPT-3.5)和5.4秒(GPT-4)。


2、情绪感知能力:情绪的感知是对语音一维输出模态的丰富。GPT-4o不仅能感受到你的情感,还自带情绪和情感,并且用户可以随时打断AI的话,互动更加拟人。


视觉感知能力:适配AI手机、AI电脑和AI智能硬件。手机端ChatGPT可以依靠手机摄像头和用户实时互动,如实时教人做题,观察房间、观察用户情绪;客户端ChatGPT能随时解决写代码、读图表等任务。


三、GPT-4o的进阶——控制中心:获得操作系统的权限,打造手机和PC的Agent


相比于网页端,手机端和桌面端可借助屏幕信息,实时跟踪用户动态需求。在获得权限背景下可以进行更多的控制。


AI手机:如果未来能获得手机操作系统权限,如iPhoneSiri权限,便可控制手机完成预置应用或第三方应用操作和控制。重点关注和iPhoneIOS18的合作进展。


AI电脑:发布ChatGPT桌面应用,尚不能下载,预计未来几周内广泛推出。重点关注后续和微软的Windows系统的合作。


四、未来的进度:GPT-4o面向免费用户,普及“AI语音交互”推广节奏:GPT-4o已向Plus用户推送模型,但展示的功能有待开放,后续关注免费用户推送。未来几周内,将在ChatGPTPlus中推出带有GPT-4o的语音模式新版本,同时向API中的一小群受信任的合作伙伴推出对GPT-4o新音频和视频功能的支持。


五、投资建议:


建议关注:1、AI语音助手硬件入口:AI手机、AIPC和AI智能音箱,小米、漫步者、国光电器;2、AI语音助手软件入口:腾讯控股;3、应用端:AI陪伴、AI陪聊、AI教育、AI游戏:汤姆猫、昆仑万维、世纪天鸿、宝通科技;4、多模态视频语料:华策影视、中广天择。


风险提示


AI发展不及预期、AI落地效果不及预期


879.36 +0.06% +0.49

TA关联分析

  • 买入
    操作
  • --
    趋势
  • --
    基本面
你建议本股当前如何操作?
  • 买入
  • 观望
  • 卖出
表情
同时转发

请点击右上角的【...】按钮

选择【浏览器】打开

×