OpenAI ra mắt GPT-Live, ChatGPT có thể vừa nghe vừa nói cùng lúc

OpenAI vừa ra mắt GPT-Live, dòng mô hình giọng nói mới dành cho ChatGPT. Theo Reuters, điểm nổi bật của công nghệ này là khả năng nghe và nói đồng thời theo thời gian thực, thay vì phải chờ người dùng kết thúc câu mới bắt đầu phản hồi.

OpenAI ra mắt GPT-Live, ChatGPT có thể vừa nghe vừa nói cùng lúc. Ảnh: AI tạo

Hai phiên bản đầu tiên gồm GPT-Live-1 và GPT-Live-1 mini đang được triển khai tới người dùng trên toàn cầu. GPT-Live-1 được sử dụng mặc định cho người dùng trả phí, trong khi GPT-Live-1 mini dành cho tài khoản miễn phí. Các mô hình này có mặt trên phiên bản web và ứng dụng ChatGPT dành cho iOS, Android tại những khu vực được hỗ trợ.

OpenAI cũng có kế hoạch đưa GPT-Live lên nền tảng API. Khi đó, doanh nghiệp và nhà phát triển có thể sử dụng mô hình để xây dựng tổng đài tự động, trợ lý chăm sóc khách hàng, công cụ phiên dịch và các ứng dụng hội thoại bằng giọng nói. Thời điểm cung cấp API chưa được công bố cụ thể.

ChatGPT biết chờ người dùng nói hết

Một trong những hạn chế thường gặp của các trợ lý giọng nói là phản hồi quá sớm. Chỉ cần người dùng ngừng lại vài giây để suy nghĩ, hệ thống có thể hiểu nhầm rằng câu nói đã kết thúc và lập tức chen ngang.

Theo The Verge, GPT-Live-1 được thiết kế để hạn chế tình trạng này. ChatGPT có thể chờ khi người dùng tạm dừng, tiếp tục nghe nếu câu nói chưa hoàn chỉnh hoặc giữ im lặng cho tới khi được yêu cầu lên tiếng.

Người dùng cũng có thể ngắt lời ChatGPT, đổi câu hỏi hoặc bổ sung thông tin trong khi hệ thống đang trả lời. ChatGPT có thể phản hồi bằng những tín hiệu ngắn như “vâng”, “tôi hiểu” để cho biết hệ thống vẫn đang lắng nghe.

Công nghệ đứng sau khả năng này được gọi là “full-duplex”. Có thể hiểu đơn giản là ChatGPT có thể nghe và nói cùng lúc, tương tự một cuộc trò chuyện trực tiếp giữa hai người.

Trước đó, Advanced Voice Mode đã xử lý và tạo âm thanh trong cùng một mô hình, giúp phản hồi nhanh hơn. Tuy nhiên, hệ thống vẫn hoạt động theo từng lượt và thường phải chờ người dùng dừng nói mới bắt đầu trả lời. Còn ChatGPT Voice đời đầu sử dụng ba công đoạn riêng biệt gồm nhận dạng lời nói, tạo câu trả lời và chuyển văn bản thành âm thanh.

Vẫn trò chuyện khi đang tìm kiếm thông tin

GPT-Live không chỉ được cải thiện về khả năng nghe và nói. Mô hình còn có thể chuyển những yêu cầu phức tạp sang một mô hình mạnh hơn để tìm kiếm, phân tích hoặc thực hiện nhiệm vụ.

Khi cần tìm thông tin trên mạng hoặc suy luận sâu, GPT-Live có thể chuyển yêu cầu sang GPT-5.5 xử lý phía sau. Trong lúc đó, ChatGPT vẫn duy trì cuộc trò chuyện với người dùng. Khi có kết quả, thông tin sẽ được đưa trở lại cuộc hội thoại.

Theo TechCrunch, cách vận hành này nhằm giải quyết hai hạn chế của chế độ giọng nói trước đây: dễ ngắt lời người dùng và chưa đủ khả năng xử lý ngay những câu hỏi phức tạp.

Chẳng hạn, người dùng có thể vừa trao đổi với ChatGPT, vừa yêu cầu hệ thống tìm kiếm lịch trình, kiểm tra thông tin hoặc phân tích một vấn đề. Cuộc trò chuyện không nhất thiết phải dừng lại trong lúc tác vụ đang được thực hiện.

Hỗ trợ phiên dịch trực tiếp

GPT-Live còn được bổ sung khả năng phiên dịch theo thời gian thực. Hệ thống có thể nghe một ngôn ngữ và bắt đầu chuyển sang ngôn ngữ khác ngay khi người dùng đang nói, thay vì chờ hoàn thành cả câu hoặc cả đoạn.

Tính năng này có thể được sử dụng khi đi du lịch, tham gia cuộc họp hoặc trò chuyện với người nước ngoài. Hai người nói các ngôn ngữ khác nhau có thể sử dụng ChatGPT như một công cụ phiên dịch trung gian.

Tuy nhiên, chất lượng phiên dịch hiện chưa đồng đều giữa các ngôn ngữ. TechCrunch nhận xét rằng trong phần trình diễn dịch sang tiếng Hindi, trợ lý vẫn mang âm sắc Mỹ khá rõ, cách diễn đạt có phần cứng và chưa giống hội thoại tự nhiên. OpenAI cho biết GPT-Live đã được tối ưu cho nhiều ngôn ngữ phổ biến nhưng chưa công bố danh sách cụ thể.

Hiển thị thêm thời tiết, chứng khoán và thể thao

Ngoài câu trả lời bằng giọng nói, GPT-Live có thể hiển thị thêm thông tin trực quan ngay trong giao diện trò chuyện.

Khi được hỏi về thời tiết, chứng khoán hoặc thể thao, ChatGPT có thể vừa đọc câu trả lời, vừa hiển thị dự báo, số liệu hoặc kết quả thi đấu trên màn hình. GPT-Live cũng có thể sử dụng công cụ tìm kiếm trên web, bộ nhớ và xử lý văn bản, hình ảnh trong cùng một cuộc trò chuyện.

Theo OpenAI, mỗi tuần có hơn 150 triệu người sử dụng Voice và Dictation để trò chuyện hoặc nhập nội dung bằng giọng nói trên ChatGPT. Các nhu cầu phổ biến gồm luyện ngoại ngữ, tìm kiếm hỗ trợ khi đang di chuyển, kể chuyện hoặc sử dụng ChatGPT trong lúc không tiện thao tác bằng tay.

Ở thời điểm ra mắt, GPT-Live chưa hỗ trợ video hoặc chia sẻ màn hình. Người dùng đủ điều kiện vẫn phải chuyển sang Advanced Voice Mode nếu muốn sử dụng hai tính năng này.

OpenAI cũng bổ sung các cơ chế kiểm tra nội dung trong suốt cuộc trò chuyện. Khi phát hiện nội dung có nguy cơ gây hại, hệ thống có thể điều chỉnh hoặc ngắt câu trả lời, đưa ra cảnh báo, cung cấp nguồn hỗ trợ hoặc kết thúc cuộc trò chuyện trong trường hợp có rủi ro cao.

TechCrunch cho biết OpenAI không định hướng GPT-Live trở thành một “người bạn đồng hành cảm xúc” thay thế con người. Mô hình được thiết kế để đưa ra câu trả lời phù hợp với độ tuổi và cung cấp thông tin hỗ trợ khi cuộc trò chuyện liên quan đến tự gây hại hoặc khủng hoảng tâm lý.