1.此前语音版 GPT 其实分成了语音转文字、GPT 生成、文字转声音几个步骤。但是在 GPT-4o 当中，声音、文字、图像的推理都是原生融合的。

2. 免费版用户可用，付费版用户有更大的容量。

3. GPT-4o API 也有提升，2 倍速度提升，降价 50%。

5.GPT-4o支持端到端的语音交互，跟之前先将语音识别成文字，再输入GPT的模式有很大不同。不仅时延下降，模型的理解能力和输出效果还有很大的提升。比如说，chatGPT会笑了，比如说，chatGPT，会唱歌了！！！！

6.实时语音是有语气和音色的。现场主持人让 GPT 讲一个睡前故事，语音可以讲得 drama 一些，也可以学习机器人发音，还能边唱边讲故事。

7.摄像头视觉感知。现场演示了聊天的同时调用手机摄像头，解一道方程题。甚至增加难度，不让 GPT 直接告诉你答案，让它一步一步教你如何计算。

此外，超长国债也继续支持人工智能行业发展：