5月12日消息，据The Information报道，OpenAI已经向一些客户展示了一种全新的多模态人工智能模型。这个模型不仅可以与用户进行对话，还能够准确地识别物体。
据一位未透露姓名的消息人士透露，这可能是该公司计划在周一展示的一部分内容。
据报道，与现有的单独转录和文本转语音模型相比，新模型可以更快、更准确地解释图像和音频内容。
The Information写道，它显然能够帮助客户服务代理更好地理解呼叫者的语调，或者他们是否在讽刺，并且理论上，该模型可以帮助学生学习数学或翻译现实世界的手势。
据该媒体的消息来源称，这个模型在回答某些特定类型的问题方面表现出了超越GPT-4Turbo的能力，但仍然存在一定的错误率。
开发人员 Ananay Arora 发布了上述通话相关代码的屏幕截图，他表示 OpenAI 也可能正在准备新的内置 ChatGPT 功能来进行电话通话。
Arora 还发现了OpenAI 已经找到了用于实时音频和视频通信的服务器的证据。
根据首席执行官 Sam Altman 的明确否认，下周公布的公告与被认为比 GPT-4“实质上更好”的模型无关，因此这一公告并不是关于 GPT-5 的。然而，据称 GPT-5 可能会在今年年底公开发布。
奥特曼还表示，该公司目前没有计划宣布推出新的人工智能搜索引擎。
但如果The Information 的报道属实，那么谷歌 I/O 开发者大会的进展仍可能会受到一些影响。谷歌一直在测试使用人工智能打电话。传闻中的项目之一是名为Pixie的多模式 Google Assistant 替代品，它可以通过设备的摄像头查看物体，并执行诸如指示购买地点或提供如何使用它们的说明等操作。
无论 OpenAI 计划发布什么内容，它都计划于每周一上午 10 点（太平洋时间）/下午 1 点（东部时间）在其官方网站上进行直播。
