传媒行业快报：GPT模型迭代更新，专注多模态与端侧应用

2024年05月14日 行业研究●证券研究报告 传媒 行业快报 模型迭代更新，专注多模态与端侧应用 GPT 投资评级 领先大市-A维持 首选股票 评级 投资要点 事件：5月14日凌晨，OpenAI发布新一代旗舰生成模型GPT-4o、桌面App， 一年行业表现 并展示新功能。GPT-4o（“o”代表“Omni”译为全能）更接近自然人机交互。 接受文本、音频和图像的任意组合作为输入，并生成文本、音频和图像输出。 端到端训练，模型实现文本、图像、音频跨模态整合。根据OpenAI官网，GPT-4o 音频反馈时长为232毫秒，平均反馈时长为320毫秒，已接近人类对话发应时 间。早期音频模式：由三个独立模型组成（语音转文本-GPT3.5/GPT-4-文本转 语音），会丢失大量信息并存在延迟GPT-3.5（2.8秒）、GPT-4（5.4秒）， 同时无法表达情感、唱歌等。GPT-4o模型特点：实现跨文本、视觉和音频训练， 所有输入和输出由单一神经网络处理；实时反馈及情绪感知。各细分表现：语音 资料来源：聚源 翻译任务上，优于Whisper-V3以及谷歌和Meta的语音模型；视觉理解表现优 升幅% 1M 3M 12M 于G ...