OpenAI還沒發佈的視頻對話，又被國產廠商先做出來了_風聞

在三個月前的 OpenAI 發佈會上，相信大家多少已經見識過了 GPT-4o 那跟真人一樣絲滑的視頻對話能力了。

還有谷歌緊跟着推出的 Project Astra ，實力看着也絲毫不輸 GPT-4o 。

那段時間，幾乎全網都在感慨 AI 的交互能力進化得有多強，但 GPT-4o 的視頻通話功能是一拖再拖， Project Astra 也是好幾個月也沒見着個影子，連內測都不見有。

不過，AI 圈好像有個定律，就是好東西不能讓人等太久。比如 Sora 遮遮捂捂大半年，結果可靈、Luma AI、智譜清影都冒頭髮布了。

這兩天，我們發現智譜清言 App 突然又來了波大的更新，**上線了那個傳説中的 AI 視頻通話功能。**功能推出之後，知危編輯部也在第一時間申請到了內測資格。

之前 GPT-4o 之所以被説得天花亂墜，很重要的一個原因，就是它對視頻的理解能力非常強悍。

所以，我們首先測試了一把清言的視頻理解能力。

我們給清言掃了一眼編輯部平時腦暴的會議室，看它能不能根據周圍的環境猜出來我在做什麼，還特意晃了晃鏡頭，沒有保持視頻畫面的完全靜止。

坐在會議室的桌子旁倒是沒説錯，桌上的紙杯、遙控器，旁邊的電視也都描述得挺準確。

再把鏡頭往後期同事的電腦上一放，也能看出來這是在剪輯視頻。

這種對周圍整體環境的感知能力，我們之前只在 OpenAI 和谷歌的 Demo 上見過，今天親自體驗到，還真有點科幻照進現實的意思。

而且，清言跟 GPT-4o 演示的一樣，在對話的過程中隨時都可以打斷，時不時還會整點 “ 哎呀 ” “ 嗐 ” 的語氣詞，説話之前呵呵笑一下，就跟真人聊天差不多。

接着，我又試了試具體的物體識別功能。

從最簡單的工位掃描開始，白色鍵盤、黑色鼠標還有顯示器這些大件，基本沒有遺漏，物體前後左右的方位也描述得清清楚楚，就連插線耳機、玻璃杯上的卡通人物這些細節，也沒放過。

了。

而且清言還有個畫圈識別的功能，把同事那台大音響給圈起來，品牌、型號，甚至連具體用途它都知道。

另外我還發現，清言對物體的識別不只是停留在簡單的類別上。

就比如這個遊戲手柄，你問到底是索尼的還是微軟的，它能根據手柄的外形設計分析出來這是微軟的 Xbox，而不是單純告訴你這是一個遊戲手柄，又或者乾脆糊弄過去説不清楚。

還有這台古早的功能機，諾基亞、具體型號是 N95、2007 年經典款這些細節完全不在話下。

後邊兒我們又讓清言識別電腦系統、看託尼照片猜年齡、看名人照片猜人名，雖然免不了偶爾抽風的情況，但大多數情況下認得都挺準。

當然了好玩歸好玩，像視頻通話這種形式其實有很多實用的場景。

比如家長最頭疼的作業輔導，以前的 AI 交互還是拍照上傳題目那一套，但如果換成視頻通話，就變成了線上家教一對一的邏輯。

我們試着讓清言做了一些低難度的數學題，小學和初中一些簡單的代數題勉強可以拿下。

在解題的時候，清言也不會一股腦把過程全説出來，而是一個步驟一個步驟引導着來，有一個思考的過程。

除了數學以外，語文和英語我們也簡單試了試，清言不能説是資深教師級別，但平時寫寫作業、記記單詞、背背古詩，夠用了。

而除了作業輔導以外，清言也可以充當一個初級版的生活小百科。

第一次做飯沒經驗、房間燈泡壞了、不知道怎麼養綠植。。。如果你在生活中遇到類似的事情又不知道該咋辦，都可以問問它。

比如，很多小朋友可能暫時還分不清電池的正負極，我們就假裝把計算器電池裝反，清言一兩句話就 get 到問題出在哪，還是很有生活常識的。

而且這小玩意兒還特別能提供情緒價值，讓它講故事、講笑話，也句句有回應。

跟朋友玩 21 點，它甚至還能當裁判。

而且，與 GPT-4o 相似的時，智譜的視頻通話功能也是帶有一定記憶功能的，當我們測試完 21 點在找它聊別的事情時，它還會問我們 “ 剛才 21 點玩的怎麼樣 ”。

説實話，這次清言的大升級還是給我帶來了不少驚喜，但小瑕疵仍然不少，有時候會説話嘴瓢、認錯東西、輸出一些胡言亂語，不過概率不大。

就比如 21 點的裁判，有一次把 9 認成了 4，黑桃認成了梅花。玩剪刀石頭布，一個出石頭一個出剪刀，它會判定出剪刀的贏。。。

槽點不少，我們在這也就不一一列舉了。

不過，就憑搶在 OpenAI 和谷歌之前，先讓國內用上 AI 視頻通話這一點，已經是很不錯了。

在這方面，知危編輯部還是抱着一貫的態度：用不到的概念品是 0 分，當下能用到的就是 10 分。

有些人可能覺得，視頻對話與圖文對話相比，看起來只是形式的變化，視頻對話能做的都能用圖文對話解決，這樣意義不是很大。

但我們認為，AI 視頻對話這種交互形式，越往後走應用場景的想象空間也就越大，因為它更接近人類的 “ 視覺+對話 ” 的原生交互方式。

比如把 AI 裝到眼鏡、項鍊上，以後可能連手機都不需要了，或者裝到盲人的枴杖上，讓 AI 幫忙引路，又或者是跟具身智能結合，讓機器人真正理解所看到的東西。

借用智譜 CEO 張鵬的那句話：“ 至少我們現在還沒有看到（AI）技術的天花板 ”。

未來的 AI 會進化到何種程度，又會創造出哪些價值，大家也不妨開個腦洞想想。