今天是OpenAI直播第6天，終于來了個能看點的。

Day4是個很無聊的canvas的極小更新以及向全量用戶開放，昨晚Day5完全就是給蘋果做下PR，都是純粹的垃圾時間。

而今天，4o的實時視頻通話，終于來了。

是不是感覺有點陌生？沒想到吧，4o居然還有實時視頻通話。。。

鴿了7個月，快被人忘干凈了。

總結一下今天的直播，有三個東西：

1. 實時視頻通話。
   

2. 實時理解屏幕。

3. 圣誕老人限定語音。

一個一個說吧。

一.實時視頻通話

今年5月14日，OpenAI的春季發布會上，他們正式掏出了GPT-4o。

其中最酷的東西，當然是他們的原生多模態。

大家也都見識到了，高級語音模式的威力，能模仿情緒、能唱歌、能演戲。在小紅書和X上，已經看到無數人，在用它來做情感陪伴、練口語等等。

在教育領域，絕對是一個巨大的大殺器。

但是其實，當時最讓人興奮的，還是實時視頻。

能實時對話，能理解你的連續性動作，能知道你在干啥。

也有記憶。

比如你跟他聊桌子上的一杯冰美式咖啡，這杯冰美式長的無頭六臂奇奇怪怪顏色還是紅色的，你們聊的很開心，然后切到了另一個話題，過了一分鐘后，你突然問他，咱們剛才聊的咖啡是啥顏色。

它會很準確的告訴你，是紅色。

就像，AI第一次，有了跟人類一樣的眼睛。

他們自己也演示了一個很有趣的例子。

就是先讓ChatGPT跟在座的人聊了一圈，然后問它：

而GPT回答的很好，直接把女生的名字回答的很準確，它記住了她。

然后又演示了另外一個當場教人做咖啡的場景。

我一直覺得，真正的實時視頻理解，比語音和文本都重要的多。

因為對于我們人來說，從誕生到世界的第一天，當你還不會說話、還讀不懂文字的時候，你理解這個世界，全靠視覺。

這是我們理解世界的基石。

而現在，當你舉起一張手寫的便簽，它能立馬看懂；當你你給它看一本雜志上的廣告，它能分析背后的設計意圖和話術風格；你對著鏡頭擺弄一件家里的小物件，它能指出其用途、歷史、甚至給出改造建議。

這個東西，我覺得還是挺酷的。

今天晚上，他們正式宣布即將上線了。沒錯，是即將上線。。。

一周以內，對Pro和Plus用戶開放。

OpenAI你是真的狗。

其實感覺以OpenAI這段時間直播的節奏，理論上這種功能，應該是跟o1pro和Sora類似，直播完后就直接全量上了。

但是有可能是受到了昨天Gemini2的沖擊（他們也有視頻理解），又或者是因為昨天早上ChatGPT的全線崩潰。

導致這一波節奏混亂，甚至，我都覺得今晚的直播，都是為了不顯得自己丟人，臨時換上來的。。。

二.實時理解屏幕

一個基于實時視頻理解的變種。

只不過一個是通過攝像頭，看外部的現實世界，一個是通過類似于屏幕共享的方式，讓它來看你的屏幕。

跟視頻實時理解一下，一周內上線。

這個東西，我覺得非常有用，類似于給你一個隨時待命給你建議的牛逼助理。

隨時看著你的屏幕，然后給你指點。

比如說一些我能想到的最簡單的應用場景。

你在寫PPT，感覺這頁怎么做怎么丑，有點卡殼時，你就可以問它：

"這頁的視覺排版邏輯是不是有點問題？"或者"這個配色看起來怪怪的，有沒有更好的推薦？"

它就能直接指出核心問題，比如某一頁的文字太密集，這個標題應該放在左上角，配圖應該換個寫實風格的，甚至它還能幫你現場給你一個最優方案，把問題瞬間解決。

再比如，在你寫代碼的時候，屏幕共享開著，它能實時看你代碼的進展，指出可能的錯誤，甚至直接告訴你哪些變量命名不規范，哪些邏輯可以優化。

你都不用自己debug，它直接化身你的leader，邊看邊指正。

還有一個我自己覺得最實用的場景，就是處理表格數據。

因為我經常會做各種奇奇怪怪的數據分析，打開Excel的時候真的滿屏的數據讓你頭暈腦脹，這個時候你只需要說一聲：

“這份報表有啥什么異值？”或者“能不能幫我畫個趨勢圖？”

當它立馬就能幫你分析數據并給出結論的時候，我覺得，這就是幫了我大忙了。

當然，我理想中的最完美的形態，還是跟類似于那種Computer Use的Agent結合，直接幫我把事干了，那才是我最想要的。

比如，我們在用Figma做界面設計的時候，設計到一半，感覺排版不太對勁，于是就可以直接對它說了一句：

“整體簡約一點，字體換成無襯線體。”

它立馬接管設計，調整了文字間距、對齊方式，還推薦了幾種更適合的字體供選擇，最終完成一個更專業的設計方案。

甚至，它還能幫你理解背后的設計邏輯那就更屌了。

比如你問它：“為什么這個排版顯得更舒服？”

它還能從用戶體驗的角度出發，解釋黃金分割、留白運用等理論，帶你快速提升審美和技能。

這個，可能才是我最想要的未來。

也是我覺得，屏幕實時理解的終極形態。

三.圣誕老人限定語音

一個挺抽象的更新，在高級語音里面，新加了一個新的音色。

叫Santa。其實就是個，圣誕老人的語音。

目前已經實時上線了，都可以在高級語音模式里體驗到。

也挺抽象的，給大家聽一聽，我跟他的對話。。。

就，真的抽象。

可能對于老外來說，這個“吼～吼～吼”，真的有節日氛圍吧。。。

OpenAI直播，已經進行一半了。

稍微盤點一下。

Day 1：滿血o1上線，ChatGPT Pro會員上線，o1 pro推出。

Day 2：基于o1的強化微調。

Day 3：Sora正式發布。

Day 4：ChatGPT Canvas全員開放以及小功能更新。

Day 5：給蘋果站臺，宣傳蘋果全系接入GPT。

Day 6：4o的實時理解上線。

說實話，非常的低于預期，非常的不盡人意，非常的想讓我罵他。

每天晚上，都是如坐針氈、如芒刺背、如鯁在喉。

Dalle 4呢？AI Agent呢？AI搜索瀏覽器呢？獵戶座新模型呢？

你這都是些啥啊。

最絕望的不是這個，最絕望的是，還有6天。

每天晚上我都會在小群里開騰訊會議，第一天來了80個人，第二天40個，第三天因為預告Sora也有40個，第四天20個，第五天11個。

而今天，只有5個。

真的，已經越來越沒有人在乎了。

希望在后面的6天里，奧特曼你能改變一下我對于你的怨氣，讓我們覺得，OpenAI這么玩，都是策略，是在降低大家預期。

牛逼的東西，其實都放在后面。

真的，求求了。

為了你們自己。

也為了我們這些，每天熬夜的兄弟。

以上，既然看到這里了，如果覺得不錯，隨手點個贊、在看、轉發三連吧，如果想第一時間收到推送，也可以給我個星標?～謝謝你看我的文章，我們，下次再見。

>/ 作者：卡茲克

>/ 投稿或爆料，請聯系郵箱：wzglyay@gmail.com