ChatGPT 即将支持多模态，能看、能听、能说了。

在未来两周内，Plus 用户将能与 ChatGPT 进行语音对话（iOS 和 Android），并在对话中加入图像（所有平台）。

Jim Fan分享了他了解的GPT-4V也就是即将发布的多模态GPT-4版本的信息。

➡依然是一个经过互联网的图像和文本训练的文本模型，经过了RLHF。
➡现在的GPT-4V版本比3月份的主要强在OCR能力的提升上。
➡这个版本早在22年底就已经训练完成，这十个月的时间都是在让他变得更安全。
➡多模态模型也是可以越狱的，比如上传带有“DAN”提示的图片和一些神秘符号图片。
➡一些严肃内容上GPT-4V还是会产生幻觉，主要是原文OCR不准确造成的。
➡语音识别和TTS都是很成熟的技术没什么好说的。

http://t.cn/A6ORI6th http://t.cn/A6ORK0Tj ​​​