GPT-4oは、「全て」を意味するラテン語「オムニ」からその名がつけられ、テキスト、音声、画像の組み合わせを受け付けて、それらを出力する能力を持つ。
従来のGPT-4よりも処理速度と品質が向上している。GPT-4では、音声をテキストに変換するモデル、テキストをテキストに変換するモデル、テキストを音声に変換するモデルが別々だったため、間にタイムラグがあり、情報が失われることがあった。
しかし、GPT-4oはテキスト、視覚、音声をつなげる新たに訓練された単一モデルで、入出力すべてを同じニューラルネットワークで処理する。トーン、複数の話者、背景ノイズも検出可能である。
これにより、デザイナーなどの新しいユースケースが生まれ、ユーザーインタビューやリアルタイムのデザイン支援といった場面でその強力な支援能力が発揮される見込みだ。
デモ動画を観ていると、過去に経験したユーザーインタビューの分析が、GPT-4oによってどれほど効率化されるかを具体的に想像できる。
出典 : What GPT-4o means for designers https://medium.com/design-bootcamp/what-gpt-4o-means-for-designers-6093fd81057e
