Invideo AI 使用 OpenAI 模型将视频创作速度提升 10 倍
Invideo AI 使用 OpenAI 的 GPT-4.1、gpt-image-1 和 text-to-speech 模型，可将创意在数分钟内转化为专业视频。该方案把视频创作速度提升 10 倍。
#多模态
#多模态
今日 0 条OpenAI NewsAI 评分2828
OpenAI NewsAI 评分3232 ChatGPT for Business 2025 年 4 月新功能
OpenAI 更新 ChatGPT for Business，4 月新增 o3、图像生成、增强记忆与内部知识等功能。官方同步放出这些功能的上手演示，帮助用户了解实际使用效果。
OpenAI News精选AI 评分7070 OpenAI 在 API 中推出最新图像生成模型 gpt-image-1
OpenAI 宣布最新图像生成模型已通过 API 开放，调用名为 gpt-image-1。开发者和企业可将其直接集成到自有工具与平台，生成专业级、可定制的视觉内容。
推荐理由：OpenAI 将最新图像生成模型以 gpt-image-1 开放给 API，开发者和企业可直接把可定制视觉生成集成进自有平台。
OpenAI News精选AI 评分8181 OpenAI 发布 o3 与 o4-mini 系统卡片
OpenAI 发布 o3 与 o4-mini 的系统卡片，两款模型将最先进的推理能力与完整工具能力相结合。支持能力包括网页浏览、Python、图像与文件分析、图像生成、canvas、automations、文件搜索和记忆。
推荐理由：官方系统卡片列出了 o3 与 o4-mini 的推理与工具能力，读者可据此判断其与现有工作流的适配度。
OpenAI NewsAI 评分2222 ChatGPT 的视觉与语音功能
ChatGPT 的视觉与语音功能可帮助团队处理多模态输入，并进行更自然的沟通。
OpenAI News精选AI 评分8484 GPT-4o 系统卡附录：4o 图像生成
OpenAI 发布 GPT-4o 系统卡附录，介绍 4o 图像生成能力；该能力比 DALL·E 3 系列显著更强，可生成照片级输出，并支持以图像作为输入进行转换。
推荐理由：原文将 4o 图像生成与 DALL·E 3 对比，点出其照片级输出与图像输入变换能力，读者可据此快速了解新模型的能力边界。
OpenAI News精选AI 评分6363 OpenAI 为 fine-tuning API 引入视觉能力
OpenAI 宣布为 fine-tuning API 引入视觉能力，开发者现在可使用图像和文本微调 GPT-4o，以提升视觉能力。
推荐理由：官方把 GPT-4o 微调开放到图像与文本混合数据，开发者可针对视觉任务定制模型并直接通过 API 调用。
OpenAI NewsAI 评分5454 OpenAI 以全新多模态审核模型升级 Moderation API
OpenAI 推出一款基于 GPT-4o 的新模型，可更准确地检测有害文本与图像，帮助开发者构建更稳健的审核系统。
OpenAI News精选AI 评分9191 OpenAI 发布新旗舰模型 GPT-4o
OpenAI 发布新旗舰模型 GPT-4o（GPT-4 Omni），可实时跨音频、图像和文本进行推理。
推荐理由：OpenAI 发布新旗舰模型 GPT-4o，支持实时处理音频、图像和文本，可关注其多模态交互能力带来的应用变化。
OpenAI News精选AI 评分8686 Sora 技术报告：视频生成模型作为世界模拟器
OpenAI 探索在视频数据上大规模训练生成模型，其最大模型 Sora 能够生成一分钟的高保真视频。研究表明，扩展视频生成模型是构建物理世界通用模拟器的有希望路径。
推荐理由：原文提出视频生成模型可作为物理世界通用模拟器的路径，并展示 Sora 生成一分钟高保真视频的能力。
OpenAI News精选AI 评分9393 OpenAI 在 DevDay 发布 GPT-4 Turbo 等新模型与开发者产品
OpenAI 在 DevDay 发布 GPT-4 Turbo，支持 128K 上下文并降低价格。同时推出的还有 Assistants API、GPT-4 Turbo with Vision 与 DALL·E 3 API 等开发者产品。
推荐理由：原文列出 GPT-4 Turbo 的 128K 上下文与更低价格，以及 Assistants API 等新入口，开发者可据此评估要跟进哪些更新。
OpenAI News精选AI 评分8282 OpenAI GPT-4V(ision) 系统卡片
OpenAI 发布 GPT-4V(ision) 的系统卡片。
OpenAI News精选AI 评分8383 ChatGPT 现已支持看、听与说
OpenAI 官方宣布 ChatGPT 现在可以看、听和说，新增了图像与语音相关能力。
推荐理由：OpenAI 官方宣布 ChatGPT 新增看、听、说能力，读者可据此了解其在图像与语音交互上的使用方式变化。
OpenAI NewsAI 评分3232 Be My Eyes 使用 GPT-4 改变视觉无障碍
Be My Eyes 使用 GPT-4 改变视觉无障碍体验。
OpenAI News精选AI 评分9898 OpenAI 发布 GPT-4
OpenAI 发布 GPT-4，这是其深度学习规模化推进的最新里程碑。GPT-4 是大型多模态模型，接受图像和文本输入并输出文本；虽然在许多真实场景中能力不及人类，但在多项专业和学术基准上表现出人类水平。
推荐理由：官方说明给出了 GPT-4 的多模态输入能力与基准表现定位，读者可据此判断它相对前代的能力边界。
OpenAI NewsAI 评分5050 Point-E：从复杂提示词生成 3D 点云的系统
OpenAI 的 Point-E 是一个能从复杂提示词生成 3D 点云的系统。
OpenAI NewsAI 评分5454 基于 CLIP latents 的分层文本条件图像生成
OpenAI 官方博客发表研究《Hierarchical text-conditional image generation with CLIP latents》，主题为基于 CLIP latents 的分层文本条件图像生成。
The Cynical DeveloperAI 评分1515 The Cynical Developer 第 156 期：与 Nigel Cannings 对谈深度伪造（Deep Fakes）
The Cynical Developer 第 156 期播客邀请 Intelligent Voice CTO、MeetMyna CEO Nigel Cannings 对谈深度伪造技术。Nigel 拥有逾 25 年法律与科技领域经验，是 Intelligent Voice Ltd 创始人，并常在 NVIDIA、IBM、HPE 等行业活动演讲。
OpenAI NewsAI 评分5252 OpenAI 发现人工神经网络中的多模态神经元
OpenAI 研究发现 CLIP 中存在多模态神经元，无论概念以字面、符号还是概念形式呈现，这些神经元都会做出相同反应。这可能解释了 CLIP 在分类概念的意外视觉呈现时的高准确率，也是理解 CLIP 及类似模型所学到的关联与偏见的重要一步。
OpenAI News精选AI 评分8181 OpenAI 发布 CLIP：连接文本与图像
OpenAI 发布神经网络 CLIP，可从自然语言监督中高效学习视觉概念。只需提供待识别类别的名称，CLIP 即可用于任何视觉分类基准，具备类似 GPT-2 和 GPT-3 的 zero-shot 能力。原文链接：https://openai.com/index/clip
推荐理由：CLIP 用自然语言监督学习视觉概念，让视觉分类不再依赖人工标注，可对照 GPT 的 zero-shot 思路理解其迁移方式。
OpenAI NewsAI 评分5151 用 Sparse Transformer 进行生成式建模
OpenAI 提出 Sparse Transformer，一种在预测文本、图像或声音序列下一内容上创下新纪录的深度神经网络。它通过注意力机制的算法改进，可从比以往长 30 倍的序列中提取模式。
OpenAI NewsAI 评分3333 OpenAI 介绍四个生成式模型项目
OpenAI 介绍了四个围绕生成式模型展开的项目，生成式模型是机器学习中无监督学习技术的一个分支。文章还进一步说明了生成式模型是什么、为什么重要以及未来可能的发展方向。
WorkBuddy 更新日志AI 评分5050 WorkBuddy 5.6.2 发布，新增文档内 AI 对话、全局搜索与图片视频生成
WorkBuddy 发布 5.6.2 版本更新，新增文档内 AI 对话、全局搜索（任务、空间、产物）、图片与视频生成、Outlook 连接器与电脑操作等功能。同时优化任务管理、长对话加载、MCP 会话生命周期与文件预览性能，并修复模型选择未保留等若干问题。