导读 简单来说，出了文本交互之外，ChatGPT现在可以理解语音和图像了，语音还好说，因为本质上还是TTS的技术，让文本和语音之间互相转化。 但读...

简单来说，出了文本交互之外，ChatGPT现在可以理解语音和图像了，语音还好说，因为本质上还是TTS的技术，让文本和语音之间互相转化。 但读取图像这个能力就有点逆天了，它不是那种以图搜图的传统模式，而是用OCR技术去真的识别用户发过去的图片，哪怕这个图片是用户现拍的、没有在网上出现过，ChatGPT也能做出理解并调用大模型进行回应。 对了，根据OpenAI的说法，这个多模态版本在10个月前就训练好了，之前一直藏着，即便如此，现在出牌依然是几个代差的领先地位。

来源：TOOM舆情监测