OpenAI 推出 ChatGPT 实时视频交互功能 多模态 AI 再进一步

12月13日，OpenAI 宣布在其聊天机器人 ChatGPT 中引入全新视频交互功能，使其能够实时处理和回应视频推送中的内容。这一突破标志着 ChatGPT 从文本和图像理解进一步迈向多模态交互领域。

在周四的直播活动中，OpenAI 展示了 ChatGPT 的这一新增功能。通过智能手机摄像头，ChatGPT 能够识别物体并对屏幕上显示的内容进行对话式反应。例如：即时协助：用户可以在应用程序中请求 ChatGPT 协助完成任务，如回复消息或整理文档。生活指南：用户可以通过摄像头扫描物品，获得例如制作咖啡或组装家具的实时指导。

OpenAI 表示，从周四起，ChatGPT Plus 和 ChatGPT Pro 的付费用户即可率先体验这一功能。企业客户和教育领域用户则需等到 2025 年 1 月才能接入。

自两年前推出以来，ChatGPT 一直引领文本聊天机器人的技术革新。此次新增的视频功能，是 OpenAI 持续推动多模态技术的又一里程碑。通过结合文本、图像、音频和视频的响应能力，ChatGPT 正逐步进化为更具吸引力和实用性的全能数字助理。