5 月中旬 GPT-4o 的发布，让人与 AI 的交互，从对话框的文本交流加速推进到了音视频多模态的实时互动。

本期节目，我们邀请到实时互动 AI 创业者史业民。他结合了自己的一手研发经验，深度分析了 GPT-4o 在多模态、实时交互、情感语音的新能力和能力边界，分享了 GPT-4o 正在催生的潜在场景和新机会。史业民还从开发者视角，提出了面向开发者的 GPT-4o 和面向用户的 ChatGPT 能力可能存在区别的提醒，以及在开发多模态 AI 产品时需要注意到的技术细节。

从对话框到音视频，多模态的实时互动 AI 已成趋势。希望本期节目能对你有所启发。

【本期主播与嘉宾】

史业民：实时互动 AI 创业者，前智源研究院研究员。
朱峰：「津津乐道播客网络」创始人，产品及技术专家。

【相关信息】

史业民团队最新项目：Pandora，一个可通过语言交互控制的生成视频世界模型。
一起探索人和 AI 的新连接方式！RTE 开发者社区将在 6 月 22 日、23 日，联合 Founder Park 在北京举办线下的 AGI Playground 活动，边玩边探索 AGI 和 RTE 实时互动的新可能。加入社区微信群，还可以提前获取活动消息，抽免费活动门票。关注「RTE 开发者社区」微信公众号，在后台回复「小助手」即可入群。

【制作团队】

后期 / 卷圈
监制 / 姝琦
产品统筹 / bobo
联合制作 / RTE开发者社区

关于「编码人声」

「编码人声」是由「RTE开发者社区」策划的一档播客节目，关注行业发展变革、开发者职涯发展、技术突破以及创业创新，由开发者来分享开发者眼中的工作与生活。
录制嘉宾覆盖信通院 & 科委专家、国内外资深投资人、VR/AR & 虚拟人 & AIGC 等新兴技术领域头部创业者、一线网红 & 硬核开发者、跨界画家 & 作家 & 酿酒师等。

RTE 开发者社区是聚焦实时互动领域的中立开发者社区。不止于纯粹的技术交流，我们相信开发者具备更加丰盈的个体价值。行业发展变革、开发者职涯发展、技术创业创新资源，我们将陪跑开发者，共享、共建、共成长。

社区于2023年底正式启动了「主理人+工作组」的运营机制，并确认了社区的 3 位联合主理人 ——
· 零一万物 01.AI 开源负责人 @林旅强 Richard
· FreeSWITCH 中文社区创始人 @杜金房
· 小红书音视频架构负责人 @陈靖

本节目由津津乐道播客网络与 RTE 开发者社区联合制作播出。

在 GPT-4o 释放完整能力前，听听实时多模态 AI 创业者的一手经验 54:42 Share

编码人声

Shownotes Transcript

在 GPT-4o 释放完整能力前，听听实时多模态 AI 创业者的一手经验