# GPT-4o 系统卡：语音响应快过人类，但声音安全是最大隐患

> 原标题：GPT-4o System Card

- 来源：OpenAI News
- 发布时间：2024-08-08T00:00:00.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/735
- 原文：https://openai.com/index/gpt-4o-system-card

## 摘要

OpenAI 在 8 月 8 号发了 GPT-4o 的系统卡，把安全底牌摊开来看。这个模型能直接吃文本、音频、图片和视频，输出也一样，最快 232 毫秒就能回话，平均 320 毫秒，跟人聊天反应速度差不多。API 价格比 GPT-4 Turbo 便宜一半。

## 推荐理由

OpenAI 发布 GPT-4o 系统卡，公开语音延迟最快 232 毫秒、平均 320 毫秒，并披露声音安全风险，为理解多模态模型的能力与安全边界提供官方依据。

## 锐评

232 毫秒这个数我信，平均 320 毫秒已经跟人聊天一个节奏，语音交互的体验门槛基本被跨过去了。价格还比 GPT-4 Turbo 便宜一半，做实时语音产品的成本账一下就变了。

系统卡把声音安全单拎出来当最大隐患，OpenAI 自己也没底。语音能克隆、能模仿情绪，出事比文本难收场得多。便宜一半加这个延迟，跟是肯定要跟的，声音这块的合规成本得提前算进去。
