生成AIパスポート試験 生成AIの仕組みと歴史 練習問題 第26問: GPT-4oの「o（omni）」が表す発表時の特徴として最も適切なのはどれか。

正解: 2. テキスト・音声・画像・動画を組み合わせて入力し、テキスト・音声・画像を出力できる単一の統合モデルである

GPT-4oは複数モダリティを単一モデルで統合し、テキスト・音声・画像・動画の組合せを入力し、テキスト・音声・画像を出力できるものとして発表された。「文章だけ」「手動切替」は統合性と反する。「クリック操作だけ」はOperatorに近い説明で、「分類ラベル一つに限る」こともない。

関連キーワード: GPT-4o・omni・マルチモーダル・音声・画像