关于语音延迟平均300毫秒，谈话可以随意打断，可以识别摄像头中拍到的图片和视频，其实没什么高深的东西，无非是算力到达一定程度后的结果。但就是这些东西，让国内的这些无知的韭菜们又惊呼不已！再就是关于语种之间互相切换，识别语气和情绪，更是没有什么特别的东西。反正就是外国人发表的东西，他们就觉得惊为天人。