OpenAI 新モデル「GPT-4o」発表！使い方と機能を徹底解説：まるで人間と会話

2024年5月14日深夜2時（日本時間）、OpenAIがイベントで最新の次世代AIモデル「GPT-4o（GPT4o）」を発表しました！

「GPT-4o（「o」は「omni（オムニ）」の略で、「全ての」を意味します）は、音声、テキスト、画像や映像などの視覚情報をシームレスかつリアルタイムに統合する、強力なマルチモーダルAIです。

「GPT-4o」は、ChatGPTの対話を、まるで人間と会話しているかのような自然でリアルタイムな体験へと向上させます。

What would you like to ask GPT-4o? We’ll pick some live prompts to do on our livestream happening now: https://t.co/hXpkU1YZmx

— OpenAI (@OpenAI) May 13, 2024

さらに、このChatGPTの最新モデル「GPT-4o」は無料版ユーザーにも多くの機能が開放されます。

また、macOS用のChatGPTデスクトップアプリもローンチされました。これにより、PCのアプリからでも直接「GPT-4o」にアクセスでき、AI技術の新たな可能性が開かれました。


そこで、この記事では「GPT-4o」の使い方や概要、特徴、それがもたらす具体的な変化について詳しく掘り下げます。

この記事を読むことで、以下のメリットがあります。

この「GPT-4o」の発表は、私たちのビジネスや日常生活を一新する可能性を秘めています。

この記事を通じて、「GPT-4o」が提供する多彩な可能性を探り、その技術がもたらす変革を自らの目で確認してみてください。

＼ 【先着500名様限定】プレゼント中！ ／

無料で見てみる！

「GPT-4o（GPT4o）」とは？

「GPT-4o」は、OpenAIによって開発された最新のChatGPTの次世代AI（人工知能）モデルであり、リアルタイムで音声、テキスト、画像や映像などの視覚情報の処理を統合的に行うことが可能です。

「GPT-4o」は、OpenAIが2024年5月14日深夜2時（日本時間）に開催したライブ配信イベント「OpenAI Spring Update」で発表されました。

これにより、より自然な人間とコンピュータのインタラクションが実現され、多様な応用が期待されています。「GPT-4o」は、以前のモデルよりも大幅に進化しており、特に非英語言語の処理能力が向上していることが特徴です。

「GPT-4o」の基本概要

「GPT-4o」は、音声、テキスト、画像や映像などの視覚情報のリアルタイム処理を可能とする次世代のマルチモーダルAI（人工知能）モデルです。

「GPT-4o」の「o」は「omni（オムニ）」という名前が示す通り、「全ての」を意味する接頭語で、多様な入力と出力を扱えることを表しています。

この次世代AIモデル「GPT-4o」は人間とほぼ同じ速度で反応することができます。具体的には、232ミリ秒で音声入力に応答し、平均320ミリ秒で応答することが可能です。

また、API使用時においては以前のモデルに比べて2倍の速さであり、コストも50%削減されています。

「GPT-4o」の読み方は？

「GPT-4o」の読み方は、「ジーピーティーフォーオー」と読みます。

なお、「GPT-4o」の「o」は「全ての」を意味する「omni（オムニ）」のため、「GPT-4o（オムニ）」や「GPT-4オムニ」と書かれることもあります。

「GPT-4o」の新機能と進化点

「GPT-4o」の最も注目すべき新機能は、音声、テキスト、画像や映像などの視覚情報を一つの統合モデルで処理することです。

これにより、従来のモデルが持つ音声をテキストに変換する段階での情報損失を解消し、音声のトーンや背景のノイズ、複数の話者の声や会話の割り込みなど、より複雑な要素を理解できるようになりました。

また、リアルタイム翻訳や複雑な数式の解析など、高度な言語理解と問題解決能力を実演するデモンストレーションが行われ、その能力が示されました。

「GPT-4o」は「2023年10月までの情報」を学習済み

「GPT-4o」は「2023年10月までの情報まで」の情報に拡張されたことが、明らかになりました。

以下の画面は、その確認のためにChatGPTに直接行った質問とその回答です。

質問：

ChatGPTのGPT-4oは、何年何月までの情報を学習してますか？

ChatGPTの回答：

ChatGPTのGPT-4oは、2023年10月までの情報を学習しています。それ以降の情報は学習データに含まれていませんので、最新の情報や動向については注意が必要です。

なお、GPT-4、GPT-4 Turboは「2023年12月まで」の情報を学習しています。

「ChatGPTの知識が2023年12月まで拡大」についてはこちらの記事に詳しく解説しています。

あわせて読みたい

更新版「GPT-4 Turbo」ChatGPT Plusなどで利用開始！ChatGPTの知識が2023年12月まで拡大 ChatGPTやGPT-4のユーザーの皆さまに、大変興味深い最新アップデートのお知らせがあります。OpenAIは2024年4月12日（現地時間）、さらに強化された「GPT-4 Turbo」の提…

「GPT-4o」が以前のモデルとどう異なるか？

「GPT-4o」は、以前のChatGPTモデルの「GPT-4」や他のAIモデルと比較して、複数の重要な進化点があります。

テキスト、推論、コーディングにおいて、GPT-4 Turboレベルのパフォーマンスを達成しました。

特に、音声や視覚データの統合的な処理能力は、単一のAIモデルでこれらを行うことが可能になったため、モデルの反応速度と処理能力が大幅に向上しています。

また、多言語の処理能力においても顕著な改善が見られ、特に非英語言語でのパフォーマンスが向上しています。

「GPT-4o」は、より低コストでより高速な処理が可能であり、そのアクセス性と経済性が大幅に改善されています。

「GPT-4」についてはこちらの記事に詳しく解説しています。

あわせて読みたい

GPT-4とは？使い方や7つの特徴・GPT-3.5との違い・無料で使う5つの方法 AIの進化は目覚ましく、その中でもGPT-4は自然言語処理の最先端を走る存在で世界中から注目を浴びてます。本記事では、GPT-4とは何か、GPT-4とGPT-3.5の違い、GPT-4の特…

「GPT-4o」の主な3つの特徴と5つの性能評価

「GPT-4o」は、音声、テキスト、画像や映像などの視覚情報のシームレスな統合処理能力を持っています。

この次世代AIモデル「GPT-4o」は、人間とコンピュータのインタラクションを革新し、リアルタイムで自然なコミュニケーションを可能にすることを目指しています。

以下に、「GPT-4o」の主な特徴と機能評価を示すグラフ、それに基づいた解説を提供します

主な特徴①マルチモーダル機能の向上：音声、テキスト、画像、映像などの統合

「GPT-4o」は、マルチモーダルAIモデルです。これにより、音声、テキスト、画像や映像などの視覚情報などの異なるタイプの入力を同時に処理し、またそれに応じた出力を生成することが可能です。

具体的には、ユーザーがテキストで質問を投げかけると、「GPT-4o」は画像や音声データも分析して、最も関連性の高い情報を組み合わせて回答を生成します。

これは、例えばリアルタイムでの翻訳、教育用コンテンツの作成、顧客サービスの自動化など、幅広い応用が可能です。

マルチモーダル処理能力は、特に多様なメディアを扱う現代のデジタル環境において大きな利点を提供します。

主な特徴②音声、画像、映像の理解向上

Say hello to GPT-4o, our new flagship model which can reason across audio, vision, and text in real time: https://t.co/MYHZB79UqN

Text and image input rolling out today in API and ChatGPT with voice and video in the coming weeks. pic.twitter.com/uuthKZyzYx

— OpenAI (@OpenAI) May 13, 2024

「GPT-4o」は、特に音声、画像、および映像の理解能力において大幅な進歩を遂げています。

この進歩は、以前のモデルと比較して、発話の意図や感情のニュアンスをより詳細に捉える能力の向上に表れています。この改善により、「GPT-4o」は、音声そのものの特性を直接分析することが可能になり、単なるテキスト変換を超えた情報の理解が可能になっています。

画像処理においても、「GPT-4o」は顕著な向上を見せています。物体認識や情報の抽出が以前のモデルよりもはるかに精度高く行えるようになり、これにより、医療画像の分析や教育資料の自動生成など、具体的な応用が期待されます。

映像に関して、「GPT-4o」はOpenAIのデモンストレーションでその表情から感情を読み取る能力を披露しました。例えば、ユーザーが自身の顔をAIに提示すると、「GPT-4o」はその表情から感情を正確に判別し、それに応じた反応を示すことができます。この技術は、リアルタイムでのインタラクションや、より人間に近い感情理解を実現するために重要です。

主な特徴③言語とコードに関する強化点

「GPT-4o」は、言語処理とプログラミングコードの生成においても新たな基準を設定しています。特に非英語言語におけるテキスト処理能力が大幅に向上し、多言語での使用においても高いパフォーマンスを発揮します。

また、プログラミング言語の理解に関しても、より高度なコードの自動生成やデバッグが可能になっており、開発者の生産性向上に寄与しています。これらの改善により、「GPT-4o」は、教育、研究、ビジネスの各分野での活用が期待されています。

性能評価①テキスト評価 (Text Evaluation)

「GPT-4o」は、テキストベースのタスクで卓越したパフォーマンスを示しています。このグラフでは、異なるモデルと比較して「GPT-4o」がどのように優れているかを示しており、一般知識問題で88.7%という高得点を記録しました。

また、多様なテキスト評価指標において、前モデルのGPT-4やGPT-4 Turboや他のAIモデル（Claude 3 Opus、Gemini 1.5Proなど）と比較して高いスコアを維持しています。

性能評価②音声認識性能 (Audio ASR Performance)

「GPT-4o」は、音声認識の精度においても顕著な進歩を遂げています。

Whisper-v3と比較すると、すべての言語で誤字率が大幅に低下しており、特に低リソース言語での改善が目立ちます。これは、音声からの直接情報抽出と処理の精度を高めることにより、より広範な言語でのアクセシビリティが向上していることを示しています。

性能評価③音声翻訳性能 (Audio Translation Performance)

「GPT-4o」は、MLSベンチマークを含む複数の音声翻訳タスクで新たなスタンダードを設定しました。他の大手モデルと比較して、特に音声からのリアルタイム翻訳性能が高く、多言語での適用性がさらに拡張されています。

性能評価④M3試験ゼロショット結果 (M3Exam Zero-Shot Results)

このベンチマークでは、「GPT-4o」が多言語の質問応答タスクにおいて一貫して高性能を発揮しています。

各言語での精度は、従来のモデルを大きく上回っており、特に図やダイアグラムを含む問題でその強みが発揮されています。

性能評価⑤視覚理解評価 (Vision Understanding Evals)

「GPT-4o」は、視覚的知覚ベンチマークで最先端のパフォーマンスを達成しています。0ショットCoTでのMMMU、MathVista、ChartQAなどの試験では、従来の認識モデルを超える精度を示しています。

これらの結果から、「GPT-4o」はテキスト、音声、画像の統合処理において極めて高い能力を有しており、それによって多言語、多文化間のコミュニケーションや情報処理の障壁を低減しています。

「GPT-4o」の実用例と8つのデモンストレーション

「GPT-4o」は、その高度なマルチモーダル能力を活かして、様々な分野での実用的な応用が展開されています。

リアルタイムでの翻訳、数学的な問題解析、日常会話、さらにはカスタマーサービスの自動化など、「GPT-4o」の技術がどのように実世界の課題を解決するかについて具体的なデモンストレーションが行われています。

これらの例は、AIがどのように日常生活や業務プロセスを変革する可能性があるかを示しています。

デモ①「GPT-4o」のリアルタイム翻訳機能

「GPT-4o」のリアルタイム翻訳機能は、国際的なコミュニケーションの壁を打ち破るための強力なツールです。

OpenAIのデモンストレーションでは、イタリア語でのスピーチを「GPT-4o」がリアルタイムで英語に翻訳する様子が示されました。この翻訳プロセスは、わずかな遅延で行われ、非常に高い精度を実現しています。

この機能は国際会議、教育、多言語顧客サポートなど、多岐にわたるシナリオでの使用が想定されます。

「GPT-4o」は、さまざまな言語のニュアンスを理解し、適切な文脈での意味を捉える能力を持っているため、これまでの翻訳ツールよりも自然で正確な翻訳が可能です。

デモ②「GPT-4o」の複雑な数式の解析

「GPT-4o」は、数学的な問題を理解し、その解法を提供する能力も備えています。

OpenAIのデモンストレーションでは、手書きで書かれた複雑な数式を「GPT-4o」が読み取り、それに基づいて段階的な解説を行う様子が披露されました。

この機能は、教育の場での応用に特に有効であり、学生が数学の問題を解く過程をAIが支援することで、より効果的な学習が可能となります。

また、エンジニアリングや科学研究など、専門的な計算が求められる分野でも、「GPT-4o」の数式解析能力が大きな助けとなるでしょう。

デモ③「GPT-4o」との対話体験

新たなデモンストレーションでは、「GPT-4o」がOpenAIのフーディーを着用した人物と対話する様子が展開されました。

このデモンストレーションでは、その人物が録音や制作のセットアップにいることを認識し、即座にそれに関連するコメントを提供しています。さらに「GPT-4o」は、驚いたりする感情も表しています。

このインタラクションは、「GPT-4o」が日常の環境や活動をどのように認識し、それに応じて適切に反応できるかを示しており、AIが実世界でのインタラクションにどれだけ適応可能かを強調しています。

デモ④「GPT-4o」と親父ギャグを楽しむ

「GPT-4o」は、単に情報を処理するだけでなく、日常のユーモアにも反応する能力を備えています。この能力は、「親父ギャグで笑う対話」を通じて明らかにされました。

デモンストレーションでは、ユーザーが「GPT-4o」に向けて親父ギャグを披露します。

「ええ、もうすぐ父になるんだ。だから、いくつかの親父ギャグを手伝ってほしいな。」とユーザーが言い出し、「何を巨大な子猫の山と呼ぶか知ってる？ ニャウンテンだよ！」とジョークを投げかけます。

「GPT-4o」は即座に反応し、「それは完璧に面白い！ 確かにトップクラスの親父ギャグだね」と応じます。

このやりとりは、「GPT-4o」がどのように人間の言葉遊びを理解し、適切な反応を示すかを示しており、単なる情報処理ツールを超えた、より人間らしい対話を実現しています。

「GPT-4o」のこのデモは、AIが日常的な会話の中でユーモアを理解し、それに応じて適切に反応できることを証明しています。

デモ⑤「GPT-4o」による革新的な「GPT-4o」同士の対話

さらに興味深いデモンストレーションとして、二つの「GPT-4o」が互いに対話し、視覚的な入力を通じて互いに説明するシナリオが披露されました。

このデモンストレーションでは、一方の「GPT-4o」がカメラを通じて周囲を視覚的に認識し、もう一方の「GPT-4o」がその説明を聞きながら対話を進める様子が展示されました。

これは、「GPT-4o」が人間のように環境を認識し、対話を通じて情報を交換する能力を持つことを示しており、AI技術の新たな可能性を示唆しています。

デモ⑥「GPT-4o」の視覚認識能力

さらに、「GPT-4o」の視覚認識能力を示すデモンストレーションも行われました。

このデモンストレーションでは、参加者が自身の顔「GPT-4o」に提示し、「GPT-4o」がその表情から感情を読み取る様子が披露されました。「GPT-4o」は正確に幸福と興奮を感じ取り、その日の良い気分の理由を尋ねました。

このインタラクションは、AIが日常的な社会的な手がかりをどのように解釈し、人間の感情とどのように対話できるかを示しています。

デモ⑦「GPT-4o」が全盲の人の目となる

OpenAIは、視覚障害者の日常生活を支援するための新たな可能性を開くデモンストレーションも披露しました。

このデモンストレーションでは、「Be My Eyes」アプリケーションとの連携を通じて、全盲のユーザーが周囲の環境を「見る」ためのサポートが展開されています。

デモンストレーションでは、「GPT-4o」がカメラを通じて視覚情報を受け取り、それをリアルタイムで解説する様子が示されました。

例えば、バッキンガム宮殿の前で「今、王様は在宅中ですか？」と尋ねると、「はい、現在王様が在宅中で、王室の旗が宮殿の上に掲げられています。これは君主が存在することを示す合図です」と正確に情報を伝えます。

さらに、「今、何が起こっているか詳しく教えてください」とのリクエストに対しては、「今、鴨たちが水の上を優雅に滑るように動いています。ゆっくりとリラックスして移動しており、時々、食べ物を探すために水中に頭を沈めています」と具体的な説明を提供しました。

この技術は、視覚障害者が自分の周囲をより詳細に理解し、独立した移動や日常活動を行うのを助けることができます。タクシーの到着を感知し、「今、右側の道路にオレンジ色のライトを持つタクシーが近づいています。手を振って合図してください」と指示することで、スムーズな移動をサポートします。

このデモンストレーションは、「GPT-4o」がどのようにして視覚障害者の日常生活を支援し、彼らの自立を促進するかの一例を示しており、AI技術の社会的な応用範囲の拡大を示しています。

デモ⑧「GPT-4o」のコーディングアシスタントとデスクトップアプリ

OpenAIは、「GPT-4o」を使ったコーディングアシスタントのデモンストレーションも行いました。このデモンストレーションでは、開発者がデスクトップアプリを通じてコードを編集し、「GPT-4o」に助けを求める様子が示されました。

特に注目すべきは、「GPT-4o」がコードの意図を理解し、その機能を簡潔に説明し、さらにはコードの見た目がどう変わるかを予測する能力でした。

このデモンストレーションは、プログラミングとAIの組み合わせがどのように作業を効率化し、より直感的な開発プロセスを提供できるかを強調しています。

これらのデモンストレーションは、「GPT-4o」の技術が実世界のシナリオでどのように活用されているかを具体的に示し、AIの進化が私たちの日常生活や職業生活にどのように統合され得るかの一端を明らかにしています。

日常会話とカスタマーサービスの自動化

「GPT-4o」は日常会話を自然に行うことができるため、カスタマーサービスの自動化においても大きな可能性を示しています。

例えば、カスタマーサポートのシナリオで「GPT-4o」を使用することで、顧客からの問い合わせに対して即時かつ適切に応答することが可能になります。「GPT-4o」は顧客の意図や感情を理解し、適切な対応を行うことができるため、顧客満足度の向上に寄与します。

また、この技術は、企業が24時間365日の対応を実現するためのコスト効率の良い方法としても機能します。

「GPT-4o（GPT4o）」の使い方

「GPT-4o」は、その多様な機能と高度な対話能力により、多くの用途での活用が可能です。

ここでは、「GPT-4o」を効果的に使用するための基本的なアクセス方法、プロンプトの使用例、そしてより高度な機能の活用方法について解説します。

これらの情報は、初心者から経験豊富なユーザーまで幅広く役立つ内容となっています。

「GPT-4o」のPCでの使い方

「GPT-4o」のPCの使い方は、主にOpenAIのプラットフォームを通じて行われます。

ユーザーは、OpenAIのウェブサイトにアクセスしてアカウントを作成することで、ChatGPTとして「GPT-4o」を使用開始できます。

OpenAIのChatGPT公式ウェブサイトにアクセスすると、下の画面が表示されました。［今すぐお試しください］ボタンをクリックします。

メニューの選択画面に、「GPT-4o」が新たに追加されていることが確認できました。

なお、上の画面は有料版ChatGPT Plusユーザーになります。「GPT-4o」の無料版の使い方はこちらで解説します。

「GPT-4o」を選択すると、「GPT-4o」が利用できます。

テキスト入力や画像添付などをすることができます。

「GPT-4o」のスマホ（iPhoneやAndroid）での使い方

iPhoneやAndroidのスマホで「GPT-4o」を使うためには、ChatGPTアプリをインストールする必要があります。

iPhoneユーザーはApp Storeを開いて「ChatGPT」と検索し、ChatGPTアプリをインストールします。Androidユーザーの場合は、Google Playストアで同じように検索してインストールしてください。

なお、OpenAI公式のChatGPTアプリには、以下の画像のように提供元に「OpenAI」と記載がありますので必ず確認してください。

以下に、iPhone/iOS版やAndroid版の公式ChatGPTアプリを入手できるリンクを紹介します。ご活用ください。

ChatGPTアプリのインストールが完了したら、アカウントを作成するか既存のアカウントでログインします。アプリを初めて使用する際には、マイクやカメラなどの必要な権限を付与することも忘れないでください。

スマホ（iPhoneやAndroid）で「GPT-4o」を使用するには、まずChatGPTアプリを開きます。

アプリが起動したら、下の画面のようにメイン画面上部の選択メニューから「GPT-4o」モードを選択します。

下の画面のように「GPT-4o」が選択されれば、「GPT-4o」の準備完了です。

アプリでは、テキスト入力、画像入力、ファイル入力、音声入力、そして音声会話のいずれかを選ぶことができます。

テキスト入力

テキスト入力を選ぶ場合は、キーボードでプロンプト（質問や指示）を入力します。

画像入力

画像入力を選ぶ場合は、カメラアイコンをタップして手書きの数式や文書を撮影したり、または画像アイコンをタップしたりして、その画像を「GPT-4o」に解析させます。

ファイル入力

ファイル入力を選ぶ場合は、ファイルアイコンをタップしてファイルを選択して、そのファイルを「GPT-4o」に解析させます。

音声入力

音声入力を選ぶ場合は、マイクアイコンをタップして質問や指示を話しかけます。

「GPT-4o」のスマホ（iPhoneやAndroid）での音声会話やビデオ対話の方法

音声会話やビデオ対話を選ぶ場合は、ヘッドホンアイコンをタップすることで、音声およびビデオ機能を使ったリアルタイムの対話ができます。

現在はVoice Modeを利用した音声会話が可能です。ビデオ機能は今後数週間内に追加される予定です。

基本的なプロンプトと対話の例

「GPT-4o」との対話は、テキストや音声入力を通じて行うことができます。

例えば、「今日のニューヨークの天気は？」とテキストで尋ねると、「GPT-4o」は最新の気象情報に基づいて答えます。

また、音声入力にも対応しており、ユーザーが話した内容をリアルタイムで理解し、自然な会話形式で応答します。この二重の入力方式により、より幅広いシナリオでの使用が可能となります。

「GPT-4o」の使い方を聞いてみる

それでは、初めて「GPT-4o」を使うので、「GPT-4o」の使い方を下記のように聞いてみました。

プロンプト：
GPT-4oの使い方をステップ形式で、初心者にわかりやすく教えてください。

すると「GPT-4o」から、下記の回答が返ってきました。

基本的な使い方として、次のステップが回答されました。「GPT-4o」の返答をそのまま紹介します。

↓「GPT-4o」の返答はここから↓

GPT-4oの使い方をステップ形式で初心者にわかりやすく解説

GPT-4oは、OpenAIが提供する最新のAIモデルで、テキスト、音声、画像の組み合わせを用いた入力と出力が可能です。初心者でも簡単に使えるように、以下のステップに従って進めてください。

まとめ

GPT-4oは、テキスト、画像、音声を組み合わせて使うことができる非常に強力なツールです。初心者でも簡単に利用できるように、ステップごとに説明しました。まずはアカウントを作成し、インターフェースにアクセスして、テキスト、画像、音声の入力方法を試してみてください。どんどん質問して、GPT-4oの便利さを実感してみましょう。

これで、GPT-4oの基本的な使い方がわかりましたね。さらに深く理解し、活用するために、次のステップで具体的な応用例を見ていきましょう。

↑「GPT-4o」の返答はここまで↑


とても簡単な使い方を、例文とともに教えてくれました！

つまり、「GPT-4o」の使い方は次のようにプロンプトを出せば良いということになります。

なんと、「プロンプト（命令文）」や画像、音声を送信するだけ！簡単ですね！

より高度な機能の活用方法

「GPT-4o」の高度な機能を活用するためには、カスタムプロンプトの作成や特定のパラメータの調整が効果的です。

例えば、特定のスタイルやトーンでの文章生成を指示することができ、クリエイティブな内容の作成や特定の目的に合わせたコンテンツの生成が可能です。

また、音声や画像を含むマルチモーダルな入力を利用することで、より複雑な問題解決やデータ分析が行えるようになります。

これらの高度な機能は、ビジネスのデータ分析、教育コンテンツの作成、マルチメディアの自動生成など、多岐にわたる応用が考えられます。


「GPT-4o」を最大限に活用するためには、その機能と可能性を理解し、適切なシナリオで適切な方法で使用することが重要です。このプロセスには、継続的な学習と実験が伴いますが、「GPT-4o」のポテンシャルをフルに活かすことで、個人の生産性の向上やビジネスプロセスの革新が期待できます。

無料版ユーザーの「GPT-4o」の使い方

無料版ユーザーが「GPT-4o」を使うには、有料版ユーザーと同じくOpenAIのウェブサイトにアクセスしてアカウントを作成することで、ChatGPTとして「GPT-4o」を使用開始できます。

OpenAIのChatGPT公式ウェブサイトにアクセスしてログインします。

ログインすると、下の画面が表示されます。

画面の上の「モデル選択のメニュー」をクリックすると、下の画面が表示されます。デフォルトの「ChatGPT」を選択したまま進みます。

試しに、「GPT-4o」の使い方を下記のように聞いてみました。

プロンプト：
GPT-4oの使い方を教えてください。

するとChatGPTから、下記の回答が返ってきました。

無料版でこの文量です。しかも書き出し速度が、以前のモデルよりかなり高速になって驚きました！また、丁寧かつ完璧すぎる回答なので、確実に「GPT-4o」が動作しているようです。

まずは、ChatGPTの返答をそのまま紹介します。

↓ChatGPTの返答はここから↓

python

class TreeNode:
    def __init__(self, key):
        self.left = None
        self.right = None
        self.val = key

def insert(root, key):
    if root is None:
        return TreeNode(key)
    else:
        if root.val < key:
            root.right = insert(root.right, key)
        else:
            root.left = insert(root.left, key)
    return root

def inorder_traversal(root):
    if root:
        inorder_traversal(root.left)
        print(root.val, end=' ')
        inorder_traversal(root.right)

↑ChatGPTの返答はここまで↑

それでは、このChatGPTの回答が本当に「GPT-4o」なのか確認します。

ChatGPTの回答の下にある星のアイコンの部分にポインターを合わせます。

すると、下の画面のように「4o」と表示されました。「GPT-4o」の回答であることが判明しました！

この星のアイコンをクリックすると下の画面のように「GPT-4o」と「GPT-3.5」が選択可能になります。

なお、無料版は、1日に使用できる「GPT-4o」のメッセージ数の制限が有料版の5分の1です。この制限を超えると自動的に「GPT-3.5」に切り替わります。

「ChatGPT」Mac用アプリが発表！デスクトップでの利用が可能に

今回、OpenAIからmacOS用の「ChatGPT」デスクトップアプリが新たに発表されました。

このアプリにより、ユーザーはデスクトップから直接「GPT-4o」にアクセスできるようになり、特にPC作業を主に行っているユーザーにとっては、より高い利便性が提供されます。

Plus users will get up to 5x higher limits, and earliest access to features like our new macOS desktop app and next-generation voice and video capabilities. pic.twitter.com/9smAHkgvhn

— OpenAI (@OpenAI) May 13, 2024

初めのロールアウトはChatGPT Plusユーザーを対象に行われ、今後数週間でさらに多くのユーザーに公開される予定です。

また、Windows版も2024年後半にリリースされる予定で、デスクトップ環境での利用範囲が広がります。

「ChatGPT」Mac用アプリの主な機能と利用方法

「ChatGPT」Mac用アプリは、シームレスな統合が特徴で、簡単なキーボードショートカット（Option + Space）を使用することで、すぐにChatGPTに質問を投げかけることが可能です。

また、アプリ内で直接スクリーンショットを撮影し、それについて議論することもできます。

さらに、PCからの写真や新しく撮影した写真を使って新しい会話を始めることができるため、ビジュアルコンテンツの活用が容易になります。

なお、「ChatGPT」Mac用アプリの導入は、下の画面のようにChatGPTのウェブサイトにアクセスした際にダウンロードリンクが表示されればインストール後に利用が可能になります。

なお、「ChatGPT」Mac用アプリは、Apple Silicon (M1 以降)のMacOS 14以降で利用可能です。

【2024/5/30追記】MacOSアプリがブラウザー版ChatGPTのメニューからダウンロード可能に

ユーザーがChatGPTにログインした状態で画面右上のアカウントアイコンをクリックすると、下の画面のように、新たに「macOSアプリをダウンロードする」のメニューが表示されるようになりました。

この「macOSアプリをダウンロードする」を選択することで、直接ブラウザーからmacOSアプリをダウンロードできるようになりました。

音声会話機能と今後の展開

この「ChatGPT」Mac用アプリは、将来的には「GPT-4o」の新しい音声およびビデオ機能を使用可能になりますが、現在はVoice Modeを利用した音声会話が可能です。

デスクトップアプリの右下隅にあるヘッドホンアイコンをタップすることで、アイデアのブレインストーミング、面接の準備、話し合いたいトピックについて直接ChatGPTと会話を楽しむことができます。

「無料版ユーザー」と「有料版ChatGPT Plusユーザー」の違い

OpenAIが提供する「GPT-4o」モデルは、ユーザーのサブスクリプションタイプによって提供される内容が異なります。

このセクションでは、「GPT-4o」を利用するにあたっての無料版のユーザーと有料版のChatGPT Plusユーザー間の具体的な違いを詳細に解説します。

これにより、どのユーザータイプがどの機能にアクセスできるか、またそれぞれのプランで利用できる特典や制限について理解を深めることができます。

無料版ユーザーの利用できる新機能と制限

無料版ユーザーは、以下の「GPT-4o」の新機能にアクセスできます。

ただし、無料ユーザーは以下の利用制限があります。

有料版ChatGPT Plusユーザーの特典と拡張機能

有料版のChatGPT Plusユーザーは、以下の追加特典を受け取れます。

このように、無料版のユーザーと有料版のChatGPT Plusユーザーでは、利用できる機能やサービスの範囲に大きな違いがあります。

ユーザーは自身のニーズに合わせて最適なプランを選択することが重要です。

「ChatGPTの無料版と有料版の違い」についてはこちらの記事に詳しく解説しています。

あわせて読みたい

ChatGPT プラン比較：無料版から有料版「Plus、Team、Enterprise、Edu」の料金と違い ChatGPTの各プランを選ぶ際、どのようなポイントを重視すべきでしょうか？選択肢が多く、機能や価格も異なるため、自分に最適なプランを見つけるのは一見複雑に感じるか…

macOS用デスクトップアプリの利用

新しいmacOS用ChatGPTデスクトップアプリは、無料およびPlusユーザーに提供されており、アプリを通じて「GPT-4o」をデスクトップから直接利用できます。

これにより、ユーザーはより快適に「GPT-4o」を日常のツールとして組み込むことが可能です。なお、Windows版は、2024年後半のリリース予定です。

「GPT-4o」を活用するためのヒント

「GPT-4o」を最大限に活用するためには、その機能を適切に理解し、効果的に利用することが重要です。

このセクションでは、効率的なクエリ（問い合わせ）の設計方法、「GPT-4o」を用いたプロジェクトの提案、そして安全な使用のためのガイドラインについて詳しく説明します。

これらのヒントを用いることで、「GPT-4o」のポテンシャルをフルに活かし、さまざまな状況での利用効果を最大化することが可能です。

効率的なクエリの設計方法

「GPT-4o」への効率的なクエリ（問い合わせ）を設計するためには、クリアで具体的なプロンプトを用意することが重要です。効果的なクエリを設計するためには以下の点に注意してください。

「GPT-4o」を活用したプロジェクトの提案

「GPT-4o」の機能を最大限に活かすためのプロジェクト提案をいくつか挙げます。これらは、「GPT-4o」の多様な機能を利用し、特定の業務やニーズに応じた解決策を提供することを目的としています。

安全な使用のためのガイドライン

「GPT-4o」を安全に効果的に使用するためのガイドラインを以下に示します。これらのポイントは、技術的な安全性だけでなく、倫理的な側面も考慮したものです。

これらのヒントとガイドラインに従うことで、「GPT-4o」をより安全かつ効果的に活用できます。

最終的には、この強力なツールを使って、業務の効率化、教育の質の向上、クリエイティブなプロジェクトの推進など、多岐にわたる分野で大きな成果を上げることが可能です。

「GPT-4o」のAPIと開発者向けリソース

OpenAIの最新AIモデル「GPT-4o」は、その先進的なマルチモーダル能力と改良されたアーキテクチャを活かし、開発者向けにさまざまなリソースとサービスを提供しています。

「GPT-4o」はAPIのアクセス性、コスト効率、使いやすさの面で大きな進化を遂げており、開発者が独自のアプリケーションや既存のシステムに容易に組み込めるように設計されています。

ここでは、「GPT-4o」のAPIがどのように以前のモデルから進化し、開発者にどのような利点をもたらしているのかを詳細に解説します。

APIの高速化とコスト削減

「GPT-4o」のAPIは、先代モデルであるGPT-4 Turboに比べて、処理速度が2倍に向上し、APIのコストも50％削減されました。これは、モデルの効率化とアルゴリズムの最適化によるもので、大量のデータを迅速に処理する能力が大幅に改善されています。

また、Rate limitも5倍に引き上げられ、より多くのリクエストを同時に処理できるようになっています。これにより、高負荷なアプリケーションでもユーザー体験の低下を最小限に抑えることが可能です。

この改善は、特に大規模な商業プロジェクトや研究用途での利用において、コストの削減と効率の向上を実現します。

トークン効率の向上と言語ごとの改善

「GPT-4o」では、トークナイザーの改良により、特に多言語処理におけるトークン使用量が削減されました。

日本語や中国語などの非英語言語では、トークン使用量が平均で30％削減されており、これによりAPIコストがさらに削減されています。さらに、言語ごとの出力の質も向上しており、文脈理解や文法の正確性が高まっています。

これにより、開発者はより少ないトークンでより高品質なテキストを生成できるため、APIの使用効率が向上します。

開発者向けのAPI使用料と比較

「GPT-4o」のAPIは、同等の機能を持つ競合他社のAPIと比較しても、コストパフォーマンスにおいて優れています。

たとえば、「GPT-4o」のAPI価格は、Claude 3 Opusの約1/3、Gemini 1.5 Proと比べて約30％安いです。これは100万トークンあたりの費用で、GPT-4oが$5、Claude 3 Opusが$15、Gemini 1.5 Proが$7です。

この価格設定は、特にスタートアップや中小企業にとって、AI技術を利用するハードルを大幅に低下させています。高いトークン効率と組み合わせることで、実質的なコストはさらに下がり、より多くの開発者が先進的なAI技術を手軽に利用できるようになります。


なお、開発者はOpenAIの提供するAPIを通じて、自分のアプリケーションやシステムに「GPT-4o」の機能を組み込むことができます。APIキーを取得し、所定のエンドポイントにリクエストを送信することで、プログラム的に「GPT-4o」を操作できます。

これにより、カスタムアプリケーションの開発や既存システムへのAI機能の統合が可能となり、新たな可能性を開拓する道が拓けます。

「GPT-4o」の将来性と展望

「GPT-4o」はOpenAIによって開発された最先端のAIモデルであり、その進化は今後のテクノロジーに大きな影響を与えることが期待されています。

このセクションでは、「GPT-4o」の開発の現状、予定されているアップデート、AI技術の未来への影響、そしてコミュニティとの連携可能性について具体的に掘り下げて説明します。

開発の現状と今後のアップデート

「GPT-4o」は、音声、テキスト、画像といった多様なデータ形式を一元的に扱うことを目指しており、特にマルチモーダル機能の統合と言語モデルの最適化に重点を置いて開発が進められています。

この全方位的なアプローチにより、「GPT-4o」は人間との自然な対話を実現し、よりリアルタイムでの応答が可能になることを目標としています。

OpenAIの公式発表によると、テキストと画像に対応する機能が本日2024年5月14日（日本時間）より、APIとChatGPTで提供開始され、音声およびビデオ機能は今後数週間内に追加される予定です。これにより、「GPT-4o」はさらに多くのモダリティをカバーし、利用の幅を広げています。

また、「GPT-4o」は将来的に「Windowsのデスクトップアプリ」やその他のプラットフォームでの展開が検討されており、より広範なユーザーがアクセスできるようになることが期待されています。

AI技術の未来への影響

「GPT-4o」の開発は、AI技術の進化において重要なマイルストーンです。

この次世代AIモデル「GPT-4o」は、自然言語処理の限界を押し広げ、多言語サポートやリアルタイム翻訳の精度を向上させることが期待されています。これにより、グローバルなコミュニケーションの障壁が低減され、異なる言語や文化を持つ人々間の相互理解が促進されるでしょう。

また、「GPT-4o」の技術は、教育、医療、エンターテイメントなど多様な分野でのアプリケーション開発を刺激すると同時に、新しいビジネスモデルやサービスの創出を加速します。

コミュニティとの連携可能性

「GPT-4o」の開発プロセスは、オープンソースコミュニティや各分野の専門家との協力によって進められています。

OpenAIは、透明性を高めることで広範なフィードバックを得て、AI技術の安全性と有効性をさらに向上させることを目指しています。

また、教育プログラムや研究イニシアティブを通じて、AIリテラシーの向上と技術の民主化を図っています。このようなコミュニティとの積極的な連携は、「GPT-4o」の社会への積極的な貢献を意味し、将来のAI開発における倫理的、法的な問題への対応を促進します。


このように、「GPT-4o」は技術的な進化だけでなく、社会的、文化的な影響も含めて、その将来性が非常に高いと評価されています。

【2024/5/21追記】「GPT-4o」合成音声停止事件：スカーレット・ヨハンソンの声に酷似

Statement from Scarlett Johansson on the OpenAI situation. Wow: pic.twitter.com/8ibMeLfqP8

— Bobby Allyn (@BobbyAllyn) May 20, 2024

OpenAIが発表した最新AIモデル「GPT-4o」に搭載された合成音声が、映画『her／世界でひとつの彼女』でスカーレット・ヨハンソンが演じたAIアシスタントの声に驚くほど似ていると話題になりました。

her／世界でひとつの彼女 [Blu-ray]

ワーナーホームビデオ

Amazonで探す

楽天市場で探す

Yahooショッピングで探す

メルカリ

ポチップ

この問題が明るみに出たのは、スカーレット・ヨハンソン本人からの申し立てによるもので、結果としてその合成音声「Sky」の利用が一時停止されました。

スカーレット・ヨハンソンは声明の中で、「リリースされたデモを聞いて、ショックを受け、怒りがこみ上げました。私の声に非常に似ていることに驚きを隠せませんでした」と述べました。

スカーレット・ヨハンソンの抗議とOpenAIの対応

スカーレット・ヨハンソンの広報担当者を通じて『WIRED』に伝えられた声明によると、OpenAIのサム・アルトマンCEOが昨年9月にヨハンソンに声の提供を依頼しましたが、彼女はこれを断りました。それにもかかわらず、発表された合成音声が彼女の声に非常に似ていることが明らかになり、彼女は法的措置を取ることを検討しました。

サム・アルトマンはX（旧ツイッター）に「her」と投稿し、これがさらに憶測を呼びました。

her

— Sam Altman (@sama) May 13, 2024

スカーレット・ヨハンソンの弁護士がOpenAIに対し、合成音声がどのように作られたのか詳細を求めると、OpenAIは「Skyの声は別のプロの女優のもので、スカーレット・ヨハンソンの声を模倣したものではありません」と反論しました。

OpenAIの公式サイトによると、「Sky」の声はスカーレット・ヨハンソンを真似たものではなく、別のプロの女優の自然な話し声を使用したものであると説明しています。

このサイトには、「AIの声は有名人の声を意図的に模倣すべきではない」との方針が示されており、Skyの声優はプライバシー保護のため公開されていません。

OpenAIは、声優の選定プロセスについても詳細に述べています。5カ月間にわたるオーディションとキャスティングの過程で、400人以上の応募者から選ばれた5つの声がChatGPTに採用されました。これらの声は、ChatGPTのユーザー体験を向上させるために慎重に選ばれました。

しかし、スカーレット・ヨハンソンの声明とOpenAIの説明が一致しなかったため、最終的にOpenAIは「Sky」の声の使用を一時停止する決断をしました。この事件は、AI技術が進化する中で、合成音声の利用に関する倫理的な問題を浮き彫りにしています。

今回の事件は、OpenAIがAI技術の進化とともに直面する新たな課題を象徴しており、今後の開発において重要な教訓となるでしょう。

【2024/6/27追記】OpenAI、ChatGPTの高度な音声モード提供を1ヵ月延期！

OpenAIは6月25日（現地時間）、ChatGPTの高度な音声モードのα版提供開始を当初予定していた6月下旬から1ヵ月延期することを発表しました。

OpenAIは、公式X（旧Twitter）を通じてこの情報を発表し、詳細な理由と今後の計画を説明しました。

We're sharing an update on the advanced Voice Mode we demoed during our Spring Update, which we remain very excited about:

We had planned to start rolling this out in alpha to a small group of ChatGPT Plus users in late June, but need one more month to reach our bar to launch.…

— OpenAI (@OpenAI) June 25, 2024

ChatGPTの高度な音声モードは、AIが人間の感情（音声のトーン）や非言語的な合図を理解することで、リアルタイムでより自然な会話を実現する機能です。

高度な音声モードのα版提供開始までの改善と計画

OpenAIは、特定のコンテンツを検出して応答を拒否する機能や、ユーザーエクスペリエンスの改善に取り組んでいます。これにより、高度な音声モードの信頼性と安全性を確保し、より多くのユーザーが安心して利用できる環境を提供することを目指しています。

今後の計画として、少数のChatGPT Plusユーザーにα版を提供し、フィードバックを収集します。その後、フィードバックに基づいて改善を行い、2024年秋にはすべてのChatGPT Plusユーザーに高度な音声モードを提供する予定です。

また、新しい動画機能と画面共有機能の展開も計画されており、詳細は今後発表される予定です。

これにより、AIとの対話がより人間らしくなり、ユーザーエクスペリエンスが向上することが期待されています。

【2024/9/27追記】ChatGPTの高度な音声モード「Advanced Voice Mode」が全有料ユーザーに提供開始！

OpenAIは2024年9月24日（現地時間）、ChatGPTの高度な音声モード「Advanced Voice Mode」をすべての有料ユーザーに向けて提供を開始すると発表しました。

Advanced Voice is rolling out to all Plus and Team users in the ChatGPT app over the course of the week.

While you’ve been patiently waiting, we’ve added Custom Instructions, Memory, five new voices, and improved accents.

It can also say “Sorry I’m late” in over 50 languages. pic.twitter.com/APOqqhXtDg

— OpenAI (@OpenAI) September 24, 2024

この新機能は、ユーザーがまるで人間と会話しているかのようなリアルタイムで自然な音声対話を可能にし、さらに多言語対応や音声の選択肢が拡充されています。これまで一部のテストユーザー向けに提供されていたこの機能は、今後、ChatGPT PlusやTeamプランの全てのユーザーが利用できるようになります。

高度な音声モード「Advanced Voice Mode」の特徴と新機能

「Advanced Voice Mode」は、従来の音声機能を大幅に進化させ、AIが感情や非言語的な合図を理解してリアルタイムで反応できるように設計されています。この機能は、50以上の言語に対応しており、日本語を含むさまざまな言語で、流ちょうな音声対話が可能です。加えて、以下の新機能が導入されています。

「Custom Instructions（カスタム指示）」についてはこちらの記事に詳しく解説しています。

あわせて読みたい

ChatGPT 新機能「Custom instructions」使い方：カスタム指示であなた専用にChatGPTを設定！ ChatGPTとの対話をもっと自分好みにカスタムできたら、と思ったことはありませんか？自分の立場や役割に特化した回答をAIから得たいと願うのは自然なことです。しかし、…

「Memory（メモリ）機能」についてはこちらの記事に詳しく解説しています。

あわせて読みたい

ChatGPT 新機能「Memory（メモリ）」使い方：ユーザーとの会話内容を記憶！削除も可能 米OpenAIは2024年2月13日（現地時間）、ChatGPTにユーザーとの会話を記憶させる新機能「Memory（メモリ）」のテストを開始しました。Memory（メモリ）機能は、まずは無…

スカーレット・ヨハンソンとの論争

なお、「Advanced Voice Mode」の音声に関しては、スカーレット・ヨハンソンさんとの論争が一時期大きな話題となりました。

彼女の声に酷似したAIの音声が使われたことに対して、ヨハンソンさんは自身の声が無断で模倣されたと主張。これを受けて、OpenAIはその音声を停止し、新たな音声を導入する対応を取りました。

OpenAIは、現在提供されている音声はプロの声優によるもので、意図的に著名人の声を模倣することは避けていると説明しています。

提供開始の時期と利用対象

この新しい高度な音声モードの提供は、ChatGPT PlusやTeamプランのユーザー向けに段階的に展開され、今週中に全ての対象ユーザーに利用可能となる予定です。アプリ内でこの新機能が利用できるようになると通知が表示され、すぐに音声対話を開始できます。

ただし、EU、イギリス、スイス、アイスランド、ノルウェー、リヒテンシュタインの地域では、現時点で提供が遅れていることが報告されています。

OpenAIは、今回の新機能の展開とともに、ユーザーからのフィードバックを収集し、さらに改善を続けていく予定です。また、動画機能や画面共有機能も今後のアップデートで追加される見込みです。

まとめ

「GPT-4o」の最新AIモデルがもたらす多様な機能と進化について解説した本記事では、「GPT-4o」の革新性とその実用的なデモンストレーションを詳しくご紹介しました。

音声、画像、テキストのシームレスな統合が可能となり、日常生活や業務プロセスに革命をもたらす「GPT-4o」は、リアルタイムの自然な対話を実現し、マルチモーダルな応答でユーザー体験を向上させます。

また、無料ユーザーにも多くの機能が提供され、macOS用のデスクトップアプリも導入されました。これらの機能拡充により、より多くのユーザーがAIの恩恵を受けることができます。


最後に、次世代AIモデル「GPT-4o」の重要なポイントをまとめます。

「GPT-4o」の導入により、私たちの日常やビジネス環境は大きく変わることが期待されます。

この次世代AIモデル「GPT-4o」の技術の進化を利用し、新たな可能性を探求するチャンスをぜひ活かしてください。

面倒なことはＣｈａｔＧＰＴにやらせよう (ＫＳ情報科学専門書)

著:カレーちゃん, 著:からあげ

Amazonで探す

楽天市場で探す

Yahooショッピングで探す

メルカリ

ポチップ

これまでに紹介したChatGPT 新機能の一覧

ChatGPTは日々進化しており、新機能が頻繁に追加されています。

これらの新機能は、ユーザーの使いやすさを向上させるため、またより多様な用途でChatGPTを活用できるように設計されています。

これまでに紹介した新機能は、定期的に更新される「ChatGPT 新機能の一覧（カテゴリページ）」にて詳しく解説しています。

新機能を効果的に活用することで、ChatGPTの可能性をさらに広げることができます。

新機能のアップデート情報は、当ブログで随時お知らせしていますので、最新の情報をチェックして、ChatGPTの魅力を最大限に活用しましょう！

あわせて読みたい

ChatGPTの最新アップデート情報：新機能の使い方 | ChatGPTの学校

最後までお読みいただきありがとうございました！