So in case you missed it, OpenAI has just announced ChatGPT-4o, which is their brand new flagship model that is two times faster and more capable than GPT-4.

見逃した場合のためにお知らせしますが、OpenAI は ChatGPT-4o という新しいフラッグシップモデルを発表しました。このモデルは GPT-4 よりも 2 倍高速で、より高性能です。

And good news for all of us is going to be free to use.

そして、すべての人にとって朗報なのは、無料で使えるようになることです。

Now, GPT-4 was previously a $20-a-month subscription, but now with 4o being completely free, we also get the benefits of everything that we got with GPT-4.

GPT-4 はこれまで月額 20 ドルのサブスクリプションでしたが、4o が完全に無料になったことで、GPT-4 で得たすべての恩恵も得られるようになりました。

There's Vision, where you can upload images and ask it questions about those images.

画像をアップロードして、その画像について質問できる「Vision」機能があります。

There's also Browse, where it can scrub the internet for more real-time and up-to-date data.

また、「Browse」と呼ばれる機能では、よりリアルタイムで最新のデータをインターネット上で検索することができます。

There's also Memory, where it can actually remember facts about you.

また、記憶機能もあり、あなたに関する事実を記憶することができます。

And then lastly, there's Analyzing Complex Data. So you can actually give it like an Excel spreadsheet and ask it questions about that.

そして最後に、「Analyzing Complex Data（複雑なデータの分析）」機能です。エクセルのスプレッドシートを渡して、それについて質問することができます。

So all of those features are going to be coming to 4o in the next couple of weeks.

これらの機能はすべて、今後数週間のうちに 4o に搭載される予定です。

But yeah, first of all, let's just start with everything that's going to be new with GPT-4o.

しかし、まず最初に GPT-4o で新しくなるものすべてを紹介しましょう。

So in the presentation, the most impressive part was obviously the demo. So they did a bunch of stuff.

プレゼンテーションで最も印象的だった部分は、明らかにデモでした。それで、彼らはいろいろなことをしました。

They asked it all kinds of questions, gave it math equations, and asked it to read bedtime stories.

いろいろな質問をしたり、数式を与えたり、寝物語を読ませたりしました。

And for the most part, I think the intelligence level and like the answers it's giving is pretty similar to the current GPT-4, which is why I don't think they updated the name to GPT-5.

そして、大部分において、その知能レベルや出している回答は現在の GPT-4 とかなり似ていると思います。だからこそ、名前を GPT-5 に更新しなかったのだと思います。

But surprisingly, the biggest updates of 4o actually come in the voice feature.

しかし、驚くべきことに、4o の最大のアップデートは音声機能にあります。

Hey, ChatGPT, how are you doing?

ChatGPT、調子はどうだい？

I'm doing fantastic. Thanks for asking. How about you?

調子はいいよ。聞いてくれてありがとう。あなたは？

Pretty good.

いい感じだ。

What's up?

どうした？

So my friend Barrett here, he's been having trouble sleeping lately.

友達のバレットが最近眠れないって言うんだ。

And I want you to tell him a bedtime story about robots and love.

ロボットと愛の物語を聞かせてくれないかな？

Oh, a bedtime story about robots and love. I got you covered.

ああ、ロボットと愛についての寝る前の物語ですね。任せてください。

So now we have response times as quick as 232 milliseconds and with an average of 320 milliseconds, which is sort of the average human response rate of a conversation.

これで、応答時間が232ミリ秒の速さで、平均では320ミリ秒になりました。これは、人間の会話の平均応答速度に近いです。

You can also now just interrupt the conversation simply by speaking, which I think is pretty intuitive.

また、話すだけで会話を中断することもできるようになりました。これは非常に直感的だと思います。

They even put this disclaimer on the website that all of their videos are played at one time speed because previously there was such a delay that now it just seems like such a drastic improvement.

彼らはウェブサイトに、このすべてのビデオが等速で再生されているという免責事項を載せています。以前は大きな遅延があったため、現在の改善が非常に大きく感じられます。

So yeah, clearly some very impressive stuff here that they're able to pull off just milliseconds for a response time.

このように、数ミリ秒のレスポンスタイムを実現したことは、非常に素晴らしいことです。

And you know what I was thinking, the humane AI pin really would have benefited from GPT-4o with its faster response times because it was largely flamed online for how slow it took to respond.

確かに、人道的な AI ピンは、より速い応答時間を持つ GPT-4o からの恩恵を受けたでしょう。なぜなら、オンラインでの反応が遅すぎるとして大いに批判されていたからです。

And it was running on GPT-4, which was much slower.

その AI ピンは GPT-4 で動いていましたが、それはかなり遅かったですね。

Who designed the Washington Monument?

ワシントン記念塔の設計者は誰ですか？

But yeah, that is the first thing that I noticed is the speed.

でも、最初に気づいたのはスピードですね。

But the second thing you might've picked up on already is the emotion behind the voice.

でも、もう気づいているかもしれませんが、2 つ目は声の裏にある感情です。

How are you?

お元気ですか？

I'm doing well. Thanks for asking. How about you?

元気ですよ。聞いてくれてありがとうございます。あなたは？

Hey, ChatGPT. How are you doing?

やあ、ChatGPT。調子はどうだい？

I'm doing fantastic. Thanks for asking. How about you?

調子はいいよ。聞いてくれてありがとう。あなたは？

Me? The announcement is about me? Well, color me intrigued.

私ですか？発表は私のことですか？興味深いですね。

Are you about to reveal something about AI?

AI について何か発表するんですか？

So it seems like OpenAI has really just dialed up the expressiveness and just the overall energy of this assistant, which I'm not sure how I feel about.

OpenAI はこのアシスタントの表現力や全体的なエネルギーを本当に高めているようですね。私はそれについてどう感じるかよくわかりません。

It just feels like you're talking to a friend who is just overly caffeinated and overly energized all of the time,

まるでいつも過剰にカフェインを摂取し、常にエネルギッシュすぎる友達と話しているような気がしますね。

which I think for an assistant should just honestly be a little bit more straightforward and straight up.

アシスタントの場合、正直なところ、もう少し率直でシンプルな方が良いと思います。

Hopefully in the future, we can have the option to customize the voice.

将来的には、音声をカスタマイズできるようになるといいですね。

I think that would be a smart move.

その方がいいと思います。

But also, you can ask it to change its tone.

でも、口調を変えてもらうこともできます。

So in the demo, they asked it to be a little bit more dramatic when reading a bedtime story.

デモでは、就寝前の読み聞かせの際に、もう少しドラマチックにするよう頼んでいました。

And they also asked it to read it in a robotic voice.

また、ロボットのような声で読んでくれるように頼みました。

I really want maximal emotion, like maximal expressiveness, much more than you were doing before.

最大限の感情、最大限の表現力が欲しいんです。

Understood. Let's amplify the drama.

わかりました。表現力を増幅させましょう。

Once upon a time in a world not too different from ours.

昔々、私たちとあまり変わらない世界にいました。

Initiating dramatic robotic voice.

ドラマチックなロボット声を起動します。

And then also apparently the robot can sing, which I'll let you be the judge of that.

そして、どうやらそのロボットは歌うこともできるらしいです。その点については、あなたに判断していただきます。

(ChatGPT-4o singing)

(歌うチャット GPT-4o)

There's also a new feature that is sort of a subset of Vision, which is being able to take your camera and just point it at something and asking it questions about that in real time.

また、Vision のサブセットとしての新機能もあります。カメラを使って何かを指し、それについてリアルタイムで質問することができます。

Sort of like this beta test of giving the AI eyes.

AI に目を与えるベータテストのようなものです。

What do you see?

何が見える？

Oh, I see "I love ChatGPT." That's so sweet of you.

ああ、「ChatGPT大好き 」だと見えます。優いね。

Now, as if all of that wasn't enough, they also announced a brand new desktop app where you can do all of those same things like text input, speech input, as well as upload images.

それだけではなく、さらに彼らは全く新しいデスクトップアプリを発表しました。そのアプリでは、テキスト入力や音声入力、さらには画像のアップロードなど、同じことができます。

But also on top of that, you can also screen share.

また、画面共有も可能です。

So you can have it sort of just look at your screen and whatever you're looking at, you can ask it questions.

だから、自分の画面を見て、自分が見ているものを質問することができるんです。

Now, I think this is going to be a huge productivity feature for anybody who works on their computer a lot.

これはパソコンで仕事をする人にとって、生産性を高める大きな機能になると思います。

In the demo, they sort of showed how it could analyze a graph that you're looking at.

デモでは、見ているグラフをどのように分析するかを見せてくれました。

But also I think it would be really helpful for research purposes.

でも、研究目的には本当に役立つと思います。

And just, I don't know, there's just so many use cases where I'm on the computer and it would be nice to almost have a conversational, like, assistant or someone to bounce ideas off of.

ただ、よくわかりませんが、コンピューターを使っているときに、ほとんど会話のようなアシスタントや、アイデアをぶつけ合える誰かがいるといいなと思います。

I think that would be really helpful.

本当に助かります。

All right, sure it can see our screen.

よし、スクリーンが見えるぞ。

Can you find which one is the hypotenuse?

どれが斜辺かわかりますか？

Oh, okay. I see.

なるほど。なるほど。

So I think the hypotenuse is this really long side from A to B.

三角形の斜辺は、点Aから点Bまでの非常に長い辺だと思います。

Would that be correct?

正解ですか？

Exactly. Well done.

正解です。よくやったね。

Now, just to quickly touch on what the "o" in 4o actually really is pointing to.

さて、4oの 「o 」が何を指しているのか、簡単に話しましょう。

It's not pointing to so much the fact that it's omniscient or omnipotent, but rather the fact that it is taking your multimodal inputs, which is text, speech, and now vision, all into the same neural network.

それは、それが全知全能であることを指すわけではなく、むしろテキスト、音声、そして今はビジョンという、複数のモードの入力をすべて同じニューラルネットワークに取り込んでいるという事実を指しています。

Whereas before, it was processing those separately.

以前は別々に処理していました。

So before with the voice feature on 3.5 and 4, it would actually take your voice and transcribe it into text.

3.5 と 4 の音声機能では、実際にあなたの声をテキストに書き起こしていたんですね。

And so that's how it was recognizing your input, which basically strips a lot of information from that LLM.

それが、入力を認識していた方法です。基本的に、それは LLM から多くの情報を削除します。

So all of your emotion and the tone that would be captured in an audio format is now just boiled down into text.

つまり、音声フォーマットで捉えられる感情やトーンは、すべてテキストに集約されるんです。

So you can think of it like texting a friend versus calling a friend.

友達にメールするのと、友達に電話するのと同じようなものでしょう。

So now with the new Omni model, it is sort of taking all of those things into consideration with their response.

新しい Omni モデルでは、そのようなことをすべて考慮した上で返答しているわけです。

But yeah, that is the latest update with OpenAI.

そうですね、それが OpenAI の最新のアップデートなんです。

Clearly some very impressive stuff cooking under the hood.

確かに、エンジンルームの下で非常に印象的なものが進行中ですね。

I'm curious to see what Google is going to come out with tomorrow.

明日の Google の発表が楽しみですね。

So definitely get subscribed for that.

だから絶対登録しておきましょう。

And that video is already out.

その動画はもう公開されています。

It's probably on the screen somewhere.

画面のどこかに映ってるはず。

Hope you enjoyed the video.

楽しんでもらえましたかな？

I'll catch you guys in the next one.

また次の動画で会いましょう。

Peace.

無事を祈るよ。