The Storm Riders✔
Writer
Nói chuyện với ChatGPT bằng giọng nói giờ đã bớt gượng gạo hơn đáng kể.
Voice Mode đời đầu của ChatGPT vào năm 2023 hoạt động qua ba bước riêng biệt: chuyển giọng nói thành văn bản, dùng mô hình ngôn ngữ tạo câu trả lời rồi chuyển văn bản trở lại thành giọng nói. Advanced Voice Mode sau đó cải thiện trải nghiệm bằng một mô hình đa phương thức duy nhất.
Ảnh: Engadget
Hiện tại, ChatGPT đã chuyển sang GPT-Live cho các cuộc hội thoại bằng giọng nói. Điểm đáng chú ý nhất là kiến trúc “full-duplex”, cho phép AI vừa nghe vừa nói cùng lúc.
Thay đổi này giải quyết một vấn đề khá khó chịu của Voice Mode trước đây: chỉ cần người dùng ngừng lại vài giây để nghĩ, ChatGPT đôi khi đã tưởng câu nói kết thúc và lập tức chen vào.
Với GPT-Live, ChatGPT có thể tiếp tục lắng nghe trong khi phản hồi. AI thậm chí còn thỉnh thoảng phát ra những tiếng xác nhận ngắn như “mhmm” hoặc “yeah”, tương tự cách một người thể hiện rằng họ vẫn đang theo dõi cuộc trò chuyện.
GPT-Live cũng có thể chuyển những yêu cầu phức tạp cần nghiên cứu hoặc suy luận sang các mô hình mạnh hơn như GPT-5.5 xử lý.
Người dùng ChatGPT Pro, Plus và Go được truy cập GPT-Live-1, trong khi tài khoản miễn phí sử dụng GPT-Live-1 mini. GPT-Live cũng đã thay thế Advanced Voice dạng hội thoại luân phiên trước đây làm lựa chọn mặc định.
Để bắt đầu, người dùng chỉ cần nhấn biểu tượng Voice hình sóng âm ở bên phải ô nhập nội dung. Trong lần sử dụng đầu tiên, ChatGPT có thể yêu cầu quyền truy cập microphone.
Ảnh: Engadget
Sau khi vào Voice Mode, màn hình sẽ xuất hiện một quả cầu động và người dùng có thể bắt đầu trò chuyện bình thường.
Trong phần cài đặt, GPT-Live-1 còn cho phép lựa chọn ba mức độ xử lý gồm Instant, Medium và High. Instant ưu tiên tốc độ phản hồi và được đặt mặc định, còn Medium và High dành thêm thời gian cho những câu hỏi phức tạp hơn. Tùy chọn này hiện không có trên GPT-Live-1 mini.
Voice Mode vẫn tiếp tục hoạt động khi người dùng chuyển sang ứng dụng khác hoặc khóa điện thoại.
Tuy nhiên, GPT-Live hiện chưa hỗ trợ chia sẻ màn hình hoặc video. Người dùng vẫn có thể chuyển về Voice Mode cũ trong phần cài đặt nếu cần những tính năng này. Đây cũng là nơi thay đổi giọng nói, ngôn ngữ hoặc đặt Voice làm chế độ mặc định khi mở ChatGPT.
Ảnh: Engadget
Điều gây ấn tượng nhất ở GPT-Live không phải việc AI thông minh hơn, mà là cảm giác cuộc trò chuyện tự nhiên hơn.
ChatGPT ít cắt ngang giữa câu, trong khi người dùng cũng có thể chen vào khi AI đang nói mà không phải đứng chờ đến hết lượt như trước.
Khả năng phản hồi nhanh cũng khiến GPT-Live phù hợp với dịch trực tiếp. Người dùng có thể kéo xuống bất kỳ lúc nào để xem toàn bộ bản chép lại cuộc trò chuyện. Khi câu trả lời phù hợp với cách trình bày trực quan hơn, ChatGPT còn có thể hiển thị widget tương tác bên cạnh phần phản hồi bằng giọng nói.
Mức Instant nhìn chung đã đủ cho các câu hỏi hằng ngày. Với những chủ đề phức tạp hơn, Medium hoặc High sẽ thêm một chút thời gian suy nghĩ, nhưng theo tác giả, độ trễ này không ảnh hưởng nhiều đến cảm giác tự nhiên của cuộc trò chuyện.
Nếu Voice Mode trước đây đôi lúc giống hai người đang cố giành lượt nói trên bộ đàm, GPT-Live ít nhất đã học được một kỹ năng rất đời thường: biết khi nào người đối diện vẫn chưa nói xong.
Voice Mode đời đầu của ChatGPT vào năm 2023 hoạt động qua ba bước riêng biệt: chuyển giọng nói thành văn bản, dùng mô hình ngôn ngữ tạo câu trả lời rồi chuyển văn bản trở lại thành giọng nói. Advanced Voice Mode sau đó cải thiện trải nghiệm bằng một mô hình đa phương thức duy nhất.
Ảnh: Engadget
Hiện tại, ChatGPT đã chuyển sang GPT-Live cho các cuộc hội thoại bằng giọng nói. Điểm đáng chú ý nhất là kiến trúc “full-duplex”, cho phép AI vừa nghe vừa nói cùng lúc.
Thay đổi này giải quyết một vấn đề khá khó chịu của Voice Mode trước đây: chỉ cần người dùng ngừng lại vài giây để nghĩ, ChatGPT đôi khi đã tưởng câu nói kết thúc và lập tức chen vào.
Với GPT-Live, ChatGPT có thể tiếp tục lắng nghe trong khi phản hồi. AI thậm chí còn thỉnh thoảng phát ra những tiếng xác nhận ngắn như “mhmm” hoặc “yeah”, tương tự cách một người thể hiện rằng họ vẫn đang theo dõi cuộc trò chuyện.
GPT-Live cũng có thể chuyển những yêu cầu phức tạp cần nghiên cứu hoặc suy luận sang các mô hình mạnh hơn như GPT-5.5 xử lý.
Cách sử dụng GPT-Live
GPT-Live hiện có trên ứng dụng ChatGPT dành cho Android, iOS và phiên bản web.Người dùng ChatGPT Pro, Plus và Go được truy cập GPT-Live-1, trong khi tài khoản miễn phí sử dụng GPT-Live-1 mini. GPT-Live cũng đã thay thế Advanced Voice dạng hội thoại luân phiên trước đây làm lựa chọn mặc định.
Để bắt đầu, người dùng chỉ cần nhấn biểu tượng Voice hình sóng âm ở bên phải ô nhập nội dung. Trong lần sử dụng đầu tiên, ChatGPT có thể yêu cầu quyền truy cập microphone.
Ảnh: Engadget
Sau khi vào Voice Mode, màn hình sẽ xuất hiện một quả cầu động và người dùng có thể bắt đầu trò chuyện bình thường.
Trong phần cài đặt, GPT-Live-1 còn cho phép lựa chọn ba mức độ xử lý gồm Instant, Medium và High. Instant ưu tiên tốc độ phản hồi và được đặt mặc định, còn Medium và High dành thêm thời gian cho những câu hỏi phức tạp hơn. Tùy chọn này hiện không có trên GPT-Live-1 mini.
Voice Mode vẫn tiếp tục hoạt động khi người dùng chuyển sang ứng dụng khác hoặc khóa điện thoại.
Tuy nhiên, GPT-Live hiện chưa hỗ trợ chia sẻ màn hình hoặc video. Người dùng vẫn có thể chuyển về Voice Mode cũ trong phần cài đặt nếu cần những tính năng này. Đây cũng là nơi thay đổi giọng nói, ngôn ngữ hoặc đặt Voice làm chế độ mặc định khi mở ChatGPT.
Điểm đáng giá nhất là cảm giác trò chuyện
Ảnh: Engadget
Điều gây ấn tượng nhất ở GPT-Live không phải việc AI thông minh hơn, mà là cảm giác cuộc trò chuyện tự nhiên hơn.
ChatGPT ít cắt ngang giữa câu, trong khi người dùng cũng có thể chen vào khi AI đang nói mà không phải đứng chờ đến hết lượt như trước.
Khả năng phản hồi nhanh cũng khiến GPT-Live phù hợp với dịch trực tiếp. Người dùng có thể kéo xuống bất kỳ lúc nào để xem toàn bộ bản chép lại cuộc trò chuyện. Khi câu trả lời phù hợp với cách trình bày trực quan hơn, ChatGPT còn có thể hiển thị widget tương tác bên cạnh phần phản hồi bằng giọng nói.
Mức Instant nhìn chung đã đủ cho các câu hỏi hằng ngày. Với những chủ đề phức tạp hơn, Medium hoặc High sẽ thêm một chút thời gian suy nghĩ, nhưng theo tác giả, độ trễ này không ảnh hưởng nhiều đến cảm giác tự nhiên của cuộc trò chuyện.
Nếu Voice Mode trước đây đôi lúc giống hai người đang cố giành lượt nói trên bộ đàm, GPT-Live ít nhất đã học được một kỹ năng rất đời thường: biết khi nào người đối diện vẫn chưa nói xong.
