Her即将成真！AI语音助手要来其实，感觉就像魔法一样
确认了，没有GPT-5，没有搜索引擎，但还会有惊喜！
今天官宣预告，即将在13日，下周一上午10点（太平洋时间）开启线上直播。
届时，会有全新的 demo演示，以及GPT-4升级更新。
传送门：（还在网页UI整了个小心机设计，一点满屏字颇有趣味）
而本人更是兴奋地表示，「对我来说，感觉就像魔法一样」。
本来，发布「搜索引擎」这件事基本实锤，甚至连路透援引内部人士消息这篇报道，昨天在全网疯转。
然而，发布时间是对上了，但奥特曼突然变卦，直言「没有搜索引擎」。
据网友爆料，这是投出的诱饵，目的是揪出内部泄密者。而经常给Jimmy 、泄密的爆料人，已经被解雇。
不得不说，还是套路深。
那么，万众期待的GPT-5没有，确认了再确认的「搜索引擎」也没有，下周一的「魔法」究竟是啥？
有报道，正在开发一个全能的AI语音助手，预计在下周展示。
这项新技术可以通过声音和文本，与人交流，可以听出不同人的语调、语气，并能识别物体和图像。
网友纷纷表示，又是没等到GPT-5的一天。
Her即将成真！AI语音助手要来
其实，希望，能够开发出一款像人类一样交流的AI。
曾表示，自己对Spike Jonze导演的电影《Her》深感兴趣，并称其具有预见性。
在这个影片中，讲述了主人公爱上了一个对话操作系统——，并在互动过程中，AI也逐渐熟悉了他。
「她」记得他的故事，他的习惯，还发展出了自己的个性。
因此，打一开始，致力于最终开发出类似于《Her》中的虚拟助手，同时让现有语音助手，如Siri更加出色。
新模型有音频输入、音频输出功能，以及更好的推理能力。在一些查询上甚至超过了GPT-4 Turbo
据两位知情人士透露，已经向一些客户展示了这项新技术，包括优于现有模型的逻辑推理能力在内的多项能力。
而且，预计在下周一的活动中，将首次公开展示这款进阶后的AI。
可以确认的是，这波操作再次截胡谷歌，抢占夺人眼睛的先机。
谷歌预计在14日召开I/O大会（掐点的直播时间真及时，简直不给谷歌留下喘气的机会）
据网友发现，在官宣不会发布「搜索引擎」，谷歌的股价立马飙升。
精准识别语调语气，但体积太大装不进手机
团队笃定的是，具备视觉+音频能力的AI助手，可能会像智能手机一样，将给世界带来颠覆性的变革性。
，还只是这类强大AI助手的雏形。
理论上，他们设想的这款AI助手，可以完成不可能的任务。
比如，指导学生写论文、解决数学难题，或人们询问时，提供及时丰富的信息、翻译标志，甚至指导如何修理故障的汽车。
不幸的是，这款AI目前体积太大，根本无法在个人终端设备运行。
不过，客户可以在短期内使用基于云的版本，来增强已经支持的软件功能，例如自动客户服务智能体。
另据了解这项AI的人透露，新软件的音频功能可以帮助，这些智能体更精准地理解来电者的「语调」，以及他们是否在提出请求时使用「讽刺语气」。
目前，已经开发了用于转录音频（）以及文本转语言（TTS）的模型。
背后便集成了这些能力，不过在用到的时候，需要分别调用这些工具。
据称，即将推出的新模型，将这些能力整合到一个模型之中，即打造一个「原生多模态模型」。
这个全新多模态模型，在理解图像和音频方面表现更佳，同时其响应速度也超过了那些能力较弱的模型。
微软抢先体验
一如既往，更新那天，作为「金主爸爸」的微软，定是最先用上新功能的那个人。
预计，微软将会利用新技术升级自己的语音助手。
而且，他们设想试图去压缩这个技术，以便将其「装进」包括配备前置摄像头的可穿戴设备中，能够捕捉到用户的周围环境。
不过，目前虽尚不清楚何时会向其付费客户提供这些新功能，但最终目标是，将其纳入的免费版本中。
据一位体验过的人士透露，的目标是，让具备新功能的AI模型的运营成本，低于其当前收费的最尖端的模型GPT-4-Turbo。
他还指出，新模型在回答某些问题上表现得更好。然而，它依旧会出现「幻觉」。
GPT-5年底前发，冰山之下深藏的秘密
的领先优势，几乎无人能及。
一直以来，谷歌高管梦想着，利用AI开发出强大的助手。
去年12年，谷歌首次展示了对话AI「」，能够实时响应人的语音指令，并识别人类正在观看的图片。
一时间，这个宣传视频在全网掀起轩然大波，让许多人瞬间对谷歌刮目相看。
没想到，还没发布一天，视频竟被曝出「造假」？！
谷歌随后解释，这些能力的实现，需要研究人员通过图片和文本指令来引导模型，并非视频所展示的那种简单对话。
此后，随着的迭代升级，也增加了一些新功能，除了分析图像和文本之外，还能分析音频。
尽管如此，它依旧不能理解多数传统语音命令，也不能像Siri和 等传统语音助手那样与用户进行交流。
而即将发布的AI语音助手，或许对谷歌来说，又是一个致命性的打击。
另外，也在全力以赴，确保自己在AI领域的领先地位，不被主打「开源王牌」的Meta赶超。
今年4月，Llama 3的8B和70B版本发布，并预告了400B+开源大模型，直接狙击GPT-4。
而具备「音频+视觉」能力的AI模型，只是正在开发的众多产品之一。
虽这次不会发布「网络搜索引擎」，但这件事确实在内部正在推进，就是为了与谷歌搜索竞争。
毕竟，在上周的主页中，已经对外展示了一个新的UI。
此外，还在开发一种自动化软件，称为「计算机操作智能体」（-using agent）。
该软件有望加速软件开发，及其他计算机相关任务。
另外，今年年初，AI视频生成器Sora的诞生，已经在好莱坞掀起巨震，虽然目前尚未公开发布。
更重要的是，GPT-5也在默默推进中，并且要显著优于GPT-4。知情人士透露，可能在今年年底前完成GPT-5的开发，并公开发布。
之所以，内部在产品和AI模型开发上进展迅速，是因为此前宣布的项目，未能获得足够的关注。
比如，他们曾承诺开发者最在今年第一季度，通过构建定制聊天机器人，来为其商店赚钱。
但到目前为止，尚未推出实现这一目标的具体方式。
装进，与苹果合作基本达成
另一方面，打造视觉+音频AI助手可以帮助，将其能力引入数亿，甚至数十亿的苹果设备中。
就在刚刚，彭博报道称，苹果与正在敲定一项协议，貌似接近尾声，基本达成。
这项协议，即将为今年的iOS提供全新的生成式AI能力。
此前，还曾爆出苹果与谷歌就的谈判正在进行中，不过还未达成协议。
毕竟，距苹果今年的开发者大会WWDC（6月10日），留给苹果的时间不多了。
多家媒体爆料称，这届大会将AI整合进全新iOS 18系统中。
对于大家的期待，苹果可不想辜负。
硬件设备，也要自己做
此外，还与设计师Jony Ive合作，去开发一款独立的AI消费设备。
这款一个硬件可能从 和 等投资者那里，筹集到高达10亿美元的资金。
过去一年，AI Pin、 R1等AI驱动的设备和可穿戴产品蜂拥而出，此举也是希望加入这一阵列。
不得不承认的是，即便最先进的AI模型推出，也将因其庞大的规模，只限在云端运行，并且需要联网操作。
而未来，若想让复杂的具备「视觉+音频」的对话AI，缩小到足以在设备上运行，可能还需要几个月，甚至几年的时间。
全网大预测：智能体、gpt4-lite...
这波官宣，可谓是戳中了所有人的兴奋点。
爆料人Jimmy 又来泄密，「预计下周，我们会看到智能体的发布」。
而「搜索引擎」可能会在苹果WWDC大会上，一起发布。
研究科学家Bowen Cheng甚至表示，要发的可比GPT-5酷多了。
不知为何，这个帖子目前却被删除了。
另一位负责视频生成的科学家Will Depue发了一张图，不知在暗示着什么。
还有一位网友Siqi Chen预测下周一，在GPT-4模型方面的更新：
- gpt4-lite：替换gpt-3.5
- gpt4-auto：一个新的模型端点（），可自动从网络检索数据，并集成内部数据来增强响应（不是「搜索引擎」）
- gpt4-lite-auto：与gpt4-auto类似，但使用的是lite版本。
同样，也有人称，gpt4-lite即将发布。
离职，入职谷歌的Logan 表示，「6个月后，AI领域的格局将会完全不同。大多数人会对事情的发展感到惊讶」。
还有一个疑问是，这次会对，gpt2做解释吗？
接下来一个月，AI海啸将翻涌而来。
关于GPT-5何时面世，最近在All-In Pod中回应，「我甚至不确定我们是否会命名它为GPT-5」。
他暗示，未来可能不再遵循GPT N+1的发布模式，而是转向持续的改进过程。
但，GPT-5还得再等等。
