Diklaim oleh OPenAI bahwa GPT-4o ini lebih efisien dan dapat mendengarkan serta melihat dengan lebih baik. Juga dikatakan bahwa AI generatif terbaru yang dikembangkan oleh OpenAI ini langkah menuju interaksi manusia-komputer yang lebih alami.

Model baru ini dapat memproses teks, gambar, dan audio serta mampu membantu penggunanya berdasarkan hal tersebut. Mode suara kini bekerja lebih lancar dengan respons yang lebih cepat dan pemahaman yang lebih baik.

Sebelumnya, mode suara digunakan untuk memanfaatkan tiga model berbeda untuk transkripsi, kecerdasan, dan keluaran text-to-speech secara bersamaan. Belum lagi, hal itu menyebabkan keterlambatan respons. Sebagai perbandingan, GPT-4o mampu menangani semua itu.

Dengan menggunakan kamera di smartphone, kini pengguna dapat berbagi informasi dengan GPT-4o dan mengajukan pertanyaan berdasarkan hal itu menggunakan mode suara. Kabarnya, model baru ini dapat merespons masukan suara dalam 232 milidetik.

Ya, ini serupa dengan waktu respons manusia. GPT-4o juga dapat merespons dalam berbagai nada yang sesuai dengan preferensi pengguna. Dibandingkan dengan GPT-4 Turbo, OpenAI memastikan bahwa GPT-4o lebih baik dan lebih cepat dalam memahami bahasa non-Inggris.

GPT-4o kini juga dapat berfungsi sebagai penerjemah. Secara khususnya, GPT-4o ini juga akan tersedia untuk API, sehingga pengembang aplikasi dapat membangun dan mendukung aplikasi AI menggunakan kemampuan model baru.

Meskipun model baru menawarkan fitur-fitur secara gratis, pengguna premium akan diizinkan untuk menggunakan sumber daya hingga lima kali lipat. Dengan kata lain, pengguna premium bisa menggunakan GPT-4o lebih optimal.

Bersamaan dengan kehadiran GPT-4o, OpenAI juga telah meluncurkan aplikasi ChatGPT untuk desktop berbasis macOS. Aplikasi untuk macOS ini menawarkan integrasi yang lebih dalam ke dalam platform.

Ya, tampaknya OpenAI ingin memudahkan pengguna untuk mengintegrasikan tools ini ke dalam alur kerja mereka. Dengan pintasan keyboard (Opsi + Spasi), pengguna akan dapat membuka halaman percakapan dengan mudah dan cepat.

Model text-to-video ini memungkinkan pengguna membuat video fotorealistik berdurasi hingga satu menit, yang semuanya berdasarkan perintah yang mereka tulis. Menariknya lagi, Sora mampu menciptakan adegan kompleks dengan banyak karakter.

Tak hanya itu, Sora juga mampu menciptakan jenis gerakan tertentu, dan detail subjek serta latar belakang yang akurat. Hal ini diungkap oleh OpenAI sebagai pengantar untuk menjelaskan lebih detail mengenai Sora yang diposting melalui blog resminya.

OpenAI juga mencatat bahwa model AI-nya itu dapat memahami bagaimana objek ada di dunia fisik alias nyata, serta menafsirkan properti secara akurat dan pada akhirnya mampu menghasilkan karakter yang menarik, mengekspresikan emosi agar terasa lebih hidup.

Sora juga dapat dimanfaatkan untuk menghasilkan video berdasarkan still image, serta mengisi frame yang hilang pada video yang ada. Hal itu pun ditunjukkan oleh OpenAI melalui beberapa demo video yang dibuat dengan Sora, dan kamu bisa mengaksesnya disini.

Ya, demo video yang ditunjukkan oleh OpenAI pun memang benar-benar dibuat dengan bantuan AI, dan hal ini tampak begitu jelas sehingga sulit dibantah. Salah satu contohnya adalah lantai yang ikut bergerak dalam demo video museum.

Terkait dengan hal itu, OpenAI hanya bisa mengatakan bahwa Sora memang tampaknya harus sering dilatih sehingga benar-benar bisa mensimulasikan “fisika” pemandangan kompleks secara akurat. Meski begitu, hasilnya secara keseluruhan cukup mengesankan.

Beberapa tahun yang lalu, generator text-to-image seperti Midjourney berada di garis terdepan dalam kemampuan model yang dibantu AI untuk mengubah kata menjadi gambar. Namun baru-baru ini, text-to-video mulai meningkat dengan pesat.

Runway dan Pika telah menunjukkan model AI text-to-video yang mereka kembangkan, dan tak sedikit orang yang mengatakan hal positif tentang itu. Selanjutnya, ada juga Lumiere Google, yang juga menjadi salah satu pesaing utama OpenAI di bidang ini.

Mirip dengan Sora, Lumiere menawarkan kepada pengguna sebuah tools text-to-video, dan juga memungkinkan pengguna membuat video dari still image. Untuk saat ini, Sora hanya tersedia untuk

Sora saat ini hanya tersedia untuk “red teamers”, yang menilai potensi bahaya serta risiko yang dihasilkan oleh model AI tersebut. OpenAI juga sudah menawarkan akses ke beberapa seniman visual, desainer, dan pembuat film untuk mendapatkan masukan.

Awal bulan ini, OpenAI telah mengumumkan penambahan watermark ke tools text-to-image DALL-E 3. Namun, OpenAI menemukan bahwa watermark tersebut dapat dengan mudah dihapus. Ya, inilah kehati-hatian yang harus dijaga oleh OpenAI terkait penyalahgunaan AI.