Mobile-Menu

Toms Wochentipp: Texte, Audio und Grafiken mit KI erstellen OpenAI bietet Sprachmodell GPT-4o kostenlos an

Von Thomas Joos 2 min Lesedauer

Anbieter zum Thema

easy software AG
Insider Research
Hyland Software Germany GmbH

Für die Verwendung des neuen OpenAISprachmodells GPT-4o (omni, alle) fallen keine Kosten an. Nutzer können daher kostenlos mit ChatGPT über das Sprachmodell chatten und dabei Texte, Audiodateien und Grafiken einbinden oder erstellen lassen.

OpenAI stellt sein neues Sprachmodell GPT-4o kostenlos zur Verfügung.(Bild: Joos - OpenAI)
OpenAI stellt sein neues Sprachmodell GPT-4o kostenlos zur Verfügung.
(Bild: Joos - OpenAI)

Während GPT 4 weiterhin kostenpflichtig ist, stellt OpenAI sein neues Modell GPT 4o kostenlos für alle zur Verfügung. Das kleine „o“ im Namen steht für den lateinischen Begriff „omni“, also „alle“.

Es ist bei der Verwendung allerdings darauf zu achten, dass bei der kostenlosen Version das KI-Modell die Ein- und Ausgaben der Nutzer zum Lernen nutzt. Bei der Verwendung eines kostenpflichtigen Modells sind die eigenen Daten geschützt. Das neue Modell versteht vor allem Audio- und Bild-Informationen besser. Neben der Verwendung als Chatbot kann GPT-4o auch von Entwicklern über API genutzt werden.

GPT-4o: Fortschritt in der Mensch-Computer-Interaktion

GPT-4o stellt einen bedeutenden Schritt in Richtung einer natürlicheren Mensch-Computer-Interaktion dar. Dieses Modell akzeptiert Eingaben in Form von Text, Audio, Bildern und Videos und kann Ausgaben in Text, Audio und Bildern generieren.

GPT-4o reagiert auf Audioeingaben im Durchschnitt in 320 Millisekunden, was einer menschlichen Reaktionszeit in einer Konversation sehr ähnlich ist. Es erreicht die Leistung von GPT-4 Turbo in Bezug auf englischen Text und Code, bietet jedoch deutliche Verbesserungen bei Texten in anderen Sprachen.

Zudem soll das Modell wesentlich schneller und 50 Prozent günstiger in der API-Nutzung sein, als andere Modelle. Besonders hervorzuheben sind die verbesserten Fähigkeiten im Bereich der Bild- und Audioverarbeitung im Vergleich zu bestehenden Modellen.

GPT-4o kann vielfältige Aufgaben bewältigen, zum Beispiel:

  • Zwei GPT-4o-Modelle interagieren und singen zusammen,
  • Vorbereitung auf Interviews,
  • Schere, Stein, Papier spielen,
  • Erkennen von Sarkasmus,
  • Mathematik mit Sal und Imran Khan,
  • Harmonisieren von zwei GPT-4o-Modellen,
  • Spanisch lernen durch Zeigen und Lernen,
  • Teilnahme an Meetings,
  • Echtzeitübersetzung.

Vor der Einführung von GPT-4o war die Sprachinteraktion mit ChatGPT durch Voice Mode möglich, jedoch mit einer durchschnittlichen Latenz von 2,8 Sekunden (GPT-3.5) und 5,4 Sekunden (GPT-4). Dieser Modus nutzte eine Pipeline von drei separaten Modellen: ein einfaches Modell zur Transkription von Audio zu Text, GPT-3.5 oder GPT-4 zur Textverarbeitung und ein drittes Modell zur Konvertierung von Text zurück in Audio. Diese Struktur führte dazu, dass das Hauptmodell, GPT-4, viele Informationen verlor, da es den Ton, mehrere Sprecher oder Hintergrundgeräusche nicht direkt wahrnehmen konnte und keine Emotionen, Lachen oder Gesang ausdrücken konnte.

GPT-4o wurde als ein einziges, neues Modell entwickelt, das Text-, Bild- und Audioeingaben und -ausgaben end-to-end verarbeitet. Durch diese Integration werden alle Eingaben und Ausgaben vom selben neuronalen Netzwerk bearbeitet. Da GPT-4o das erste Modell ist, das alle diese Modalitäten kombiniert, befinden sich die Forschungen zu den Fähigkeiten und Einschränkungen des Modells noch in einem frühen Stadium.

(ID:50071955)

Jetzt Newsletter abonnieren

Täglich die wichtigsten Infos zu Cloud Computing

Mit Klick auf „Newsletter abonnieren“ erkläre ich mich mit der Verarbeitung und Nutzung meiner Daten gemäß Einwilligungserklärung (bitte aufklappen für Details) einverstanden und akzeptiere die Nutzungsbedingungen. Weitere Informationen finde ich in unserer Datenschutzerklärung. Die Einwilligungserklärung bezieht sich u. a. auf die Zusendung von redaktionellen Newslettern per E-Mail und auf den Datenabgleich zu Marketingzwecken mit ausgewählten Werbepartnern (z. B. LinkedIn, Google, Meta).

Aufklappen für Details zu Ihrer Einwilligung

Weiterführende Inhalte