传媒互联网行业周报：关注人机交互方式变革下的三条主线

报告摘要 OpenAI发布混合多模态模型GPT-4o，变革人机交互方式OpenAI发布混合多模态模型GPT-4o，该模型是OpenAI探索提升模型易用性的新成果，是一个集成文本、图片、视频、语音的全能模型。GPT-4o改变了人机交互方式，在功能上体现为具备实时语音及视频交互能力：1）在语音交互方面，GPT-4o响应音频输入的平均时间与人类对话的反应速度一致，实现实时的复杂对话、语音翻译、通过语音识别说话者情绪等功能；2）在视频交互方面，具备更复杂的多模态交互能力，实现实时识别视频拍摄内容，并给予反馈等功能。同时发布GPT-4o API，速度提高2倍，价格便宜50%，调用模型的速率限制较GPT-4-Turbo提高了5倍。 谷歌发布多项新成果，Project Astra实现视觉和语音交互谷歌I/O大会发布多项新成果：1）混合多模态模型发布：ProjectAstra具备与GPT-4o不相上下的视觉识别和语音交互效果，能够帮助用户整合工作流，提升效率；2）AI Overview重塑谷歌搜索：允许用户通过提问和聊天的方式进行AI驱动的搜索，且用户无需自行查阅结果，可由AI Overview代办一切；3）Gemini模型能力提升：Gemini1.5Pro上下文长度将从100万tokens提升至200万；4）多模态模型取得多项进展：文生视频模型Veo的扩展功能可持续增加视频时长，最终时长达1分10秒，超过Sora。文生图模型Imagen3提升文本渲染等能力。音乐工具Music AI Sandbox具备改变输入旋律风格等功能。 核心观点 我们认为，OpenAI GPT-4o和谷歌Project Astra均实现了实时语音及视频交互功能，改变了人机交互方式。建议关注三条主线：1）AGI具像化：视觉识别和语音交互功能有望以形象IP、数字人为载体实现具像化，利好拥有形象IP内容资产及数字人制作技术的公司。建议关注：形象IP：汤姆猫、上海电影，奥飞娱乐；数字人：捷成股份、蓝色光标、易点天下、天娱数科。2）强交互场景：人机交互方式改变有望在强交互性场景中催生新应用，看好情感陪伴、电商、教育场景；3）AI终端硬件：模型交互能力有望与硬件产品相结合，赋能用户日常工作生活。 风险提示 AI技术发展不及预期的风险、政策监管风险、行业竞争加剧的风险。