Sáng sớm nay OpenAI chính thức ra mắt GPT-Live, một thế hệ mô hình nhận dạng giọng nói mới, sẽ được triển khai cho tất cả người dùng ChatGPT bắt đầu từ hôm nay. Cùng với việc phát hành video chính thức, OpenAI cũng đặc biệt nhắc nhở người xem nên bật âm thanh khi xem video.
Sau nhiều lần úp mở, CEO OpenAI Sam Altman vừa chính thức giới thiệu GPT Live, thế hệ trợ lý giọng nói mới tích hợp trong ChatGPT. Trên mạng xã hội, Altman cho biết đây là lần đầu tiên ông cảm thấy thích trò chuyện với AI hơn là gõ phím, dù trước đó luôn thuộc nhóm người dùng chỉ thích nhập văn bản.
Theo OpenAI, GPT Live không phải là bản cập nhật nhỏ cho chế độ Voice hiện nay mà là một kiến trúc hoàn toàn mới. Hệ thống được xây dựng trên mô hình GPT Live 1 và được mô tả là mô hình giọng nói thông minh nhất mà OpenAI từng phát triển.
Trong video giới thiệu, OpenAI trình diễn hàng loạt tình huống sử dụng thực tế thay vì chỉ trả lời câu hỏi đơn thuần. Một cụ bà vừa đan áo len vừa hỏi AI về kích cỡ kim đan phù hợp, một giáo viên nhờ kiểm tra lại các mốc lịch sử trước khi lên lớp, hay một du khách tại Paris sử dụng ChatGPT để thương lượng giá mua sách bằng tiếng Pháp. Tất cả diễn ra như một cuộc trò chuyện tự nhiên, không còn cảm giác đang nói chuyện với một chatbot.
Điểm thay đổi lớn nhất của GPT Live là khả năng song công toàn phần. Nếu các phiên bản trước hoạt động giống bộ đàm, người dùng nói xong rồi AI mới trả lời, thì GPT Live có thể nghe và nói cùng lúc giống như khi hai người gọi điện cho nhau.
Điều đó giúp cuộc hội thoại trở nên tự nhiên hơn rất nhiều. Người dùng có thể ngắt lời giữa chừng, sửa ý khi đang nói hoặc dừng lại để suy nghĩ mà AI vẫn theo kịp mạch hội thoại. Thậm chí hệ thống còn phản hồi bằng những tiếng đệm như "ừm", giữ im lặng khi cần hoặc chuyển giọng điệu phù hợp với cảm xúc của người đối diện thay vì đọc câu trả lời theo cách máy móc.
Khả năng dịch ngôn ngữ theo thời gian thực cũng được nâng cấp đáng kể. Trong một bản trình diễn, ba người lần lượt nói bằng tiếng Pháp, tiếng Quảng Đông và tiếng Tây Ban Nha. GPT Live vừa lắng nghe vừa dịch ngay sang tiếng Anh, sau đó tổng hợp toàn bộ nội dung cuộc trò chuyện thành một bản tóm tắt hoàn chỉnh.
OpenAI cũng nhấn mạnh GPT Live có khả năng duy trì "sự hiện diện" trong suốt cuộc hội thoại. Ví dụ, khi hướng dẫn pha cà phê V60, AI không chỉ đặt đồng hồ đếm ngược 30 giây mà còn đồng hành với người dùng trong suốt quá trình pha. Khi được hỏi phải làm gì nếu ấm đun nước không còn đủ nước, AI lập tức đưa ra gợi ý điều chỉnh và tiếp tục hướng dẫn cho đến khi hoàn thành.
Một điểm đáng chú ý khác là GPT Live có thể phản ứng theo cảm xúc của người dùng. Trong video mô phỏng một buổi phỏng vấn xin việc, khi người dùng lo lắng vì nghĩ mình trả lời không tốt, AI trước tiên động viên và chia sẻ. Nhưng ngay khi nghe câu "Tôi đã được nhận việc", nó lập tức chuyển sang giọng vui mừng, chúc mừng và hướng dẫn cách thương lượng mức lương. Thậm chí khi phát hiện tiếng còi cảnh sát xuất hiện trong lúc quay video, AI còn chủ động đề nghị tạm im lặng để người dùng ghi hình cho rõ âm thanh.
Ngoài khả năng trò chuyện tự nhiên, GPT Live còn bổ sung cơ chế ủy quyền bất đồng bộ. Khi gặp những câu hỏi cần tìm kiếm trên Internet hoặc phải suy luận phức tạp, AI sẽ tự động chuyển tác vụ sang các mô hình mạnh hơn của OpenAI chạy ở nền mà không làm gián đoạn cuộc hội thoại.
Trong một bản thử nghiệm, người dùng liên tục hỏi về thời tiết tại Mexico City, lịch thi đấu World Cup rồi tiếp tục tìm quán bar phát trực tiếp các trận đấu. GPT Live chỉ trả lời ngắn gọn rằng đang kiểm tra thông tin, sau đó tiếp tục trò chuyện về chủ đề khác. Khi việc tìm kiếm hoàn tất, câu trả lời sẽ tự động được đưa trở lại cuộc hội thoại.
Một ví dụ khác cho thấy người dùng đang chuẩn bị bài thuyết trình lịch sử và yêu cầu AI vừa kiểm tra ba mốc thời gian quan trọng, vừa theo dõi tình trạng tàu điện ngầm và dự báo thời tiết buổi chiều. GPT Live phát hiện ngay một lỗi trong bài thuyết trình khi chỉ ra máy ghi âm giấy bạc của Edison được chế tạo năm 1877 chứ không phải năm 1865.
Theo Justin Uberti, Giám đốc nhóm phát triển công nghệ giọng nói của OpenAI, GPT Live là thế hệ kiến trúc xử lý giọng nói thứ ba của công ty. Việc kết hợp hội thoại song công với cơ chế xử lý bất đồng bộ giúp AI vừa trò chuyện tự nhiên như con người, vừa giữ được khả năng suy luận và tìm kiếm thông tin vốn là thế mạnh của ChatGPT.
GPT Live sẽ được phát hành cho người dùng ChatGPT trên iOS, Android và phiên bản web trong vài ngày tới. Sau khi cập nhật, người dùng chỉ cần nhấn nút Voice để bắt đầu sử dụng. OpenAI cũng cho biết API dành cho các nhà phát triển sẽ sớm được mở dưới dạng thử nghiệm.
Nếu những gì OpenAI trình diễn phản ánh đúng trải nghiệm thực tế, GPT Live có thể là bước tiến lớn nhất của ChatGPT kể từ khi chế độ Voice ra mắt, đưa AI từ một công cụ trả lời câu hỏi trở thành trợ lý có thể trò chuyện, lắng nghe và đồng hành với người dùng trong những tình huống đời thường.
Sau nhiều lần úp mở, CEO OpenAI Sam Altman vừa chính thức giới thiệu GPT Live, thế hệ trợ lý giọng nói mới tích hợp trong ChatGPT. Trên mạng xã hội, Altman cho biết đây là lần đầu tiên ông cảm thấy thích trò chuyện với AI hơn là gõ phím, dù trước đó luôn thuộc nhóm người dùng chỉ thích nhập văn bản.
Theo OpenAI, GPT Live không phải là bản cập nhật nhỏ cho chế độ Voice hiện nay mà là một kiến trúc hoàn toàn mới. Hệ thống được xây dựng trên mô hình GPT Live 1 và được mô tả là mô hình giọng nói thông minh nhất mà OpenAI từng phát triển.
Trong video giới thiệu, OpenAI trình diễn hàng loạt tình huống sử dụng thực tế thay vì chỉ trả lời câu hỏi đơn thuần. Một cụ bà vừa đan áo len vừa hỏi AI về kích cỡ kim đan phù hợp, một giáo viên nhờ kiểm tra lại các mốc lịch sử trước khi lên lớp, hay một du khách tại Paris sử dụng ChatGPT để thương lượng giá mua sách bằng tiếng Pháp. Tất cả diễn ra như một cuộc trò chuyện tự nhiên, không còn cảm giác đang nói chuyện với một chatbot.
Điểm thay đổi lớn nhất của GPT Live là khả năng song công toàn phần. Nếu các phiên bản trước hoạt động giống bộ đàm, người dùng nói xong rồi AI mới trả lời, thì GPT Live có thể nghe và nói cùng lúc giống như khi hai người gọi điện cho nhau.
Điều đó giúp cuộc hội thoại trở nên tự nhiên hơn rất nhiều. Người dùng có thể ngắt lời giữa chừng, sửa ý khi đang nói hoặc dừng lại để suy nghĩ mà AI vẫn theo kịp mạch hội thoại. Thậm chí hệ thống còn phản hồi bằng những tiếng đệm như "ừm", giữ im lặng khi cần hoặc chuyển giọng điệu phù hợp với cảm xúc của người đối diện thay vì đọc câu trả lời theo cách máy móc.
Khả năng dịch ngôn ngữ theo thời gian thực cũng được nâng cấp đáng kể. Trong một bản trình diễn, ba người lần lượt nói bằng tiếng Pháp, tiếng Quảng Đông và tiếng Tây Ban Nha. GPT Live vừa lắng nghe vừa dịch ngay sang tiếng Anh, sau đó tổng hợp toàn bộ nội dung cuộc trò chuyện thành một bản tóm tắt hoàn chỉnh.
OpenAI cũng nhấn mạnh GPT Live có khả năng duy trì "sự hiện diện" trong suốt cuộc hội thoại. Ví dụ, khi hướng dẫn pha cà phê V60, AI không chỉ đặt đồng hồ đếm ngược 30 giây mà còn đồng hành với người dùng trong suốt quá trình pha. Khi được hỏi phải làm gì nếu ấm đun nước không còn đủ nước, AI lập tức đưa ra gợi ý điều chỉnh và tiếp tục hướng dẫn cho đến khi hoàn thành.
Một điểm đáng chú ý khác là GPT Live có thể phản ứng theo cảm xúc của người dùng. Trong video mô phỏng một buổi phỏng vấn xin việc, khi người dùng lo lắng vì nghĩ mình trả lời không tốt, AI trước tiên động viên và chia sẻ. Nhưng ngay khi nghe câu "Tôi đã được nhận việc", nó lập tức chuyển sang giọng vui mừng, chúc mừng và hướng dẫn cách thương lượng mức lương. Thậm chí khi phát hiện tiếng còi cảnh sát xuất hiện trong lúc quay video, AI còn chủ động đề nghị tạm im lặng để người dùng ghi hình cho rõ âm thanh.
Ngoài khả năng trò chuyện tự nhiên, GPT Live còn bổ sung cơ chế ủy quyền bất đồng bộ. Khi gặp những câu hỏi cần tìm kiếm trên Internet hoặc phải suy luận phức tạp, AI sẽ tự động chuyển tác vụ sang các mô hình mạnh hơn của OpenAI chạy ở nền mà không làm gián đoạn cuộc hội thoại.
Trong một bản thử nghiệm, người dùng liên tục hỏi về thời tiết tại Mexico City, lịch thi đấu World Cup rồi tiếp tục tìm quán bar phát trực tiếp các trận đấu. GPT Live chỉ trả lời ngắn gọn rằng đang kiểm tra thông tin, sau đó tiếp tục trò chuyện về chủ đề khác. Khi việc tìm kiếm hoàn tất, câu trả lời sẽ tự động được đưa trở lại cuộc hội thoại.
Một ví dụ khác cho thấy người dùng đang chuẩn bị bài thuyết trình lịch sử và yêu cầu AI vừa kiểm tra ba mốc thời gian quan trọng, vừa theo dõi tình trạng tàu điện ngầm và dự báo thời tiết buổi chiều. GPT Live phát hiện ngay một lỗi trong bài thuyết trình khi chỉ ra máy ghi âm giấy bạc của Edison được chế tạo năm 1877 chứ không phải năm 1865.
Theo Justin Uberti, Giám đốc nhóm phát triển công nghệ giọng nói của OpenAI, GPT Live là thế hệ kiến trúc xử lý giọng nói thứ ba của công ty. Việc kết hợp hội thoại song công với cơ chế xử lý bất đồng bộ giúp AI vừa trò chuyện tự nhiên như con người, vừa giữ được khả năng suy luận và tìm kiếm thông tin vốn là thế mạnh của ChatGPT.
GPT Live sẽ được phát hành cho người dùng ChatGPT trên iOS, Android và phiên bản web trong vài ngày tới. Sau khi cập nhật, người dùng chỉ cần nhấn nút Voice để bắt đầu sử dụng. OpenAI cũng cho biết API dành cho các nhà phát triển sẽ sớm được mở dưới dạng thử nghiệm.
Nếu những gì OpenAI trình diễn phản ánh đúng trải nghiệm thực tế, GPT Live có thể là bước tiến lớn nhất của ChatGPT kể từ khi chế độ Voice ra mắt, đưa AI từ một công cụ trả lời câu hỏi trở thành trợ lý có thể trò chuyện, lắng nghe và đồng hành với người dùng trong những tình huống đời thường.
