原标题：如何评价最新的ChatGPT支持图像和语音?
关键字：GPT,OpenAI,大模型,多模态,多模态大模型
最佳回答：AI智能矩阵
回答字数：1183字
OpenAI 在昨日宣布将在 ChatGPT 中推出新的语音和图片功能，除了可以直接跟 ChatGPT 对话了，还能拍照给 ChatGPT 看，已经完全把视觉、听觉和说话的能力都赋予给 ChatGPT 了。
接下来两周内，这个功能将会陆续开放给 Plus 和 Enterprise 的用户，
• 语音功能将在 iOS 和 Android 上推出。
• 图片功能网页和手机平台都能使用。
以下为各功能简单介绍
▋与 ChatGPT 对话（语音功能）
https://www.zhihu.com/video/1689947557713981440
■ 使用方式
前往 ChatGPT 手机 App 的“设定”→“新功能”，点击加入语音对话，在主画面右上角点击耳机按钮，选择你喜欢的声音，目前有 5 种可以选择，分别是：
• Breeze（高音女声）
• Juniper（中音女声）
• Sky（低音女声）
• Ember（高音男声）
• Cove（低音男声）
Demo 的英文效果不错，可以叫它讲睡前故事、陪你聊天都可以，但不知道中文表现如何。
▋ChatGPT 看图理解（图片功能）
https://www.zhihu.com/video/1689947594405675008
这个功能可以让你拍一张或多张照片给 ChatGPT，它能理解图片，并给出回应。
例如：
拍照问它怎么把脚踏车座椅调低、拍照问它冰箱有什么食物可以做晚餐、或是分析复杂的统计图表。
甚至手机 App 上还多了画图工具，可以直接把照片的重点圈起来让ChatGPT识别。
联系作者
回答作者：AI智能矩阵
以后OpenAI可以不用开发别的App，所有新的功能都直接往ChatGPT里面塞，慢慢做成支持文字语音，图像和视频的生态，而且相比别的AI应用，ChatGPT真的是做到了完全没使用门槛，因此未来用户量也会更多。总而言之，走向AGI，只需要一个ChatGPT就够了。
不得不说，这次更新展示的图像理解能力太强了，简单的几张图展示了物体分类，物体检测和文本识别等功能。夸张一点地说，图像理解没了，只需要问一下ChatGPT就都能给你回答出来。
以前深度学习任务面临碎片化的问题，不同任务，例如分类和检测，需要不同的模型，而这个问题被ChatGPT给解决了，不管底层实现，对一个普通开发者来说，他不需要关心部署几个模型，调用几个API，只需要用一句句自然语言的提问就能让得到需要的结果。从这个角度来看，ChatGPT解决了深度学习碎片化的问题。
另外关于AI助理的进化，目前已经从文本级别进化到文本加语音，未来也肯定会进化到图像和视频和3D形象，结合SD生成助理的2D形象，结合Nerf或GAN生成3D形象，因此未来ChatGPT不光是一个虚拟助理，还可以是AI教师，AI女友，数字化的亲人，数字化的自己。
总之，对AI的未来越来越看好，因为有像OpenAI这样的公司; 对普通AI研究者的未来越来越不看好，因为在没卡没数据还不够聪明的情况下，差距越来越大，能做出顶级的AI应用的机会越来越小了。
可能这一波AI浪潮下的主战斗已经结束，胜负已分，后面的都是无关紧要的小战役了。