OpenAI đang triển khai lại chế độ giọng nói cho ChatGPT với GPT-Live-1 và GPT-Live-1 mini, cho phép nghe và phản hồi đồng thời.
Bản cập nhật này được mở cho cả tài khoản miễn phí lẫn trả phí, diễn ra ngay trước thời điểm OpenAI dự kiến ra mắt họ mô hình GPT-5.6. Điểm thay đổi chính nằm ở kiến trúc full-duplex, giúp cuộc trò chuyện giọng nói tự nhiên hơn và ít bị ngắt quãng hơn.
- ChatGPT Voice chuyển sang GPT-Live-1 và GPT-Live-1 mini.
- Kiến trúc full-duplex cho phép vừa nghe vừa nói cùng lúc.
- OpenAI bổ sung dịch giọng nói gần thời gian thực, thẻ hiển thị và giới hạn lưu âm thanh 30 ngày.
OpenAI thay Advanced Voice Mode bằng GPT-Live
GPT-Live là lớp giọng nói mới của ChatGPT, thay thế Advanced Voice Mode bằng hai mô hình GPT-Live-1 và GPT-Live-1 mini. Điểm cốt lõi của thay đổi này là khả năng xử lý đầu vào và tạo đầu ra cùng lúc thay vì chờ người dùng nói xong.
Theo cách OpenAI mô tả, mô hình có thể quyết định nhiều lần mỗi giây xem có nên nói tiếp, tiếp tục lắng nghe, dừng lại hay chen vào một tín hiệu ngắn như “mhmm”. Điều đó giúp cuộc hội thoại bớt cứng và gần với giao tiếp tự nhiên hơn.
Người dùng nào sẽ nhận được bản cập nhật?
Tài khoản ChatGPT miễn phí sẽ mặc định dùng GPT-Live-1 mini, còn người dùng Go, Plus và Pro sẽ nhận GPT-Live-1. Bản triển khai áp dụng trên iOS, Android và web.
OpenAI cũng cho biết chín giọng nói trong ChatGPT đã được làm mới để phù hợp với mô hình giọng nói mới. Vì ChatGPT đã hoạt động qua CarPlay, thay đổi này cũng xuất hiện trên trải nghiệm trong xe.
GPT-Live làm được gì và chưa làm được gì?
GPT-Live được xây dựng như một công cụ hội thoại, không phải một bộ máy suy luận độc lập. Với các yêu cầu phức tạp, mô hình có thể chuyển phần việc như tìm kiếm web, suy luận hoặc trả lời nhiều bước sang GPT-5.5 mà không làm ngắt mạch cuộc trò chuyện.
OpenAI cũng thêm chế độ phản hồi nhanh và chế độ nỗ lực cao để người dùng chọn theo nhu cầu. Bên cạnh đó là dịch giọng nói gần thời gian thực và các thẻ hiển thị cho thời tiết, giá cổ phiếu và điểm thể thao, thay vì buộc ChatGPT phải đọc toàn bộ câu trả lời.
Những giới hạn và lưu ý về quyền riêng tư
OpenAI cho biết GPT-Live hoạt động tốt nhất với một số ngôn ngữ phổ biến trong ChatGPT, nhưng có thể gặp vấn đề về giọng đọc hoặc độ trôi chảy ở một số ngôn ngữ khác. Hiện tại, chế độ giọng nói kết hợp với video và chia sẻ màn hình vẫn chưa được hỗ trợ.
Âm thanh từ các cuộc hội thoại Live và Advanced Voice được lưu trong 30 ngày và không dùng để huấn luyện mô hình nếu người dùng không chọn chia sẻ. OpenAI cũng nói đã có biện pháp bảo vệ nội dung phù hợp với thanh thiếu niên và tài nguyên hỗ trợ trong các cuộc trò chuyện liên quan đến tự hại.
Kiểu trường hợp sử dụng mà người dùng đang làm với Codex và ChatGPT có thể cho thấy giọng nói sẽ là giao diện tương lai cho nhiều loại công việc.
– Atty Eleti, product lead của ChatGPT Voice, trong buổi briefing với TechCrunch
Lịch ra mắt GPT-5.6 và API của GPT-Live
Bản cập nhật giọng nói được tách biệt với họ mô hình GPT-5.6 mà OpenAI lên lịch ra mắt vào thứ Năm. GPT-5.6 đã được chấp thuận phát hành công khai và có ba phiên bản gồm Sol, Terra và Luna.
Sau khi triển khai cho người dùng, GPT-Live sẽ tiếp tục xuất hiện trên API của OpenAI, mở đường cho các nhà phát triển đăng ký quyền truy cập.
Tổng kết
GPT-Live cho thấy OpenAI đang đẩy ChatGPT Voice theo hướng hội thoại mượt hơn, phản hồi nhanh hơn và có thêm lớp hiển thị trực quan cho một số truy vấn. Tuy vậy, mô hình vẫn còn giới hạn về ngôn ngữ, video và chia sẻ màn hình.
