OpenAI 首席技术官穆里・穆拉蒂 (Muri Murati) 表示，GPT-4o 将提供与 GPT-4 同等水平的智能，但在文本、图像以及语音处理方面均取得了进一步提升。
“GPT-4o 可以综合利用语音、文本和视觉信息进行推理，”穆拉蒂在 OpenAI 公司总部举行的主题演讲中表示。GPT-4 是 OpenAI 此前的旗舰模型，可以处理由图像和文本混合而成的信息，并能完成诸如从图像中提取文字或描述图像内容等任务，GPT-4o 则在此基础上新增了语音处理能力。
GPT-4o 的运行速度将大大提升，最大亮点在于其语音交互模式采用了新技术。OpenAI 一直致力于让用户通过语音与 ChatGPT 进行交流，仿佛与真人对话一般。然而，之前的版本由于延迟问题，严重影响了对话的沉浸感。GPT-4o 则采用了全新的技术，让聊天
机器人对话的响应速度大幅提升。
IT之家注意到，发布会上 OpenAI 展示了使用 GPT-4o 进行语音对话的演示。演示者提问结束后，GPT-4o 几乎可以即时回应，并通过文本转语音功能进行朗读，让对话感觉更加自然逼真。
另一个演示展示了 GPT-4o 根据要求调整说话时语气，GPT-4o 可以根据指令改变声音，从夸张戏剧到冰冷机械，展现了出色的可塑性。最后，演示还展示了 GPT-4o 的唱歌功能。
以往，OpenAI 发布新版 ChatGPT 模型时，通常会将其置于付费墙之后。不过这次 GPT-4o 将免费提供给所有用户，付费用户则可以享受五倍的调用额度。
此外，OpenAI 还发布了桌面版的 ChatGPT 和新的用户界面。“我们认识到这些模型正变得越来越复杂，” 穆拉蒂说道，“但我们希望用户与人工智能模型的交互体验能够更加自然、轻松，让用户可以将注意力完全集中在与模型的协作上，而无需在意界面本身。”
