GPT-4o를 소개합니다

OpenAI가 텍스트, 오디오, 비전, 이미지를 실시간으로 통합 처리할 수 있는 새로운 플래그십 모델 GPT-4o를 발표했다. 'omni'를 뜻하는 'o'가 붙은 이 모델은 인간과 유사한 수준의 자연스러운 상호작용을 목표로 한다.

기존 Voice Mode는 음성 인식, 텍스트 처리, 음성 합성의 세 가지 모델을 거치는 파이프라인 방식이었으나, GPT-4o는 모든 모달리티를 하나의 신경망으로 처리하는 end-to-end 모델이다. 이를 통해 음성의 톤, 배경 소음, 감정 표현 등을 직접 이해하고 생성할 수 있게 되었다.

주요 특징은 다음과 같다:

• 실시간 응답: 평균 320ms의 응답 속도를 구현하여 인간의 대화 속도와 유사한 수준을 보여준다.
• 성능 및 효율성: 영어 텍스트와 코드 성능은 GPT-4 Turbo와 대등하며, 비영어권 언어 성능은 크게 개선되었다. 또한 API 비용은 50% 저렴해지고 속도는 더 빨라졌다.
• 멀티모달 능력: 텍스트, 오디오, 이미지, 비디오를 입력받아 텍스트, 오디오, 이미지의 조합으로 출력할 수 있다.