OpenAIの主力モデルであるGPT-4oは、5月の発表時にその音声認識能力で注目を集め、平均320ミリ秒の応答速度は人間の会話速度に匹敵します。このモデルは、テキスト、ビジュアル、音声の3つのモダリティをエンドツーエンドでトレーニングすることにより、多様な入力と出力の可能性を示しました。OpenAIは、6月にChatGPT Plusを通じて一部ユーザーに高機能音声モード機能を導入する予定でしたが、モデルの検出と有害なコンテンツ拒否能力の向上が必要だったため、1ヶ月延期されました。新機能により、Ch