Vào thứ Tư, OpenAI công bố GPT‑Live, một hệ mô hình giọng nói mới có khả năng nghe và nói đồng thời. Công ty cho biết đang triển khai hai phiên bản — GPT‑Live‑1 và GPT‑Live‑1 mini — cho người dùng trên toàn thế giới. GPT‑Live‑1 mini sẽ được đặt làm chế độ giọng nói mặc định, thay thế Advanced Voice Mode hiện tại trong ChatGPT, trong khi người dùng trả phí sẽ có quyền truy cập vào mô hình lớn hơn GPT‑Live‑1, theo công ty.
Khác với các hệ thống giọng nói truyền thống, các mô hình mới hoạt động ở chế độ full‑duplex — xử lý đồng thời đầu vào và đầu ra giọng nói — cho phép các gián đoạn tự nhiên và các khả năng như dịch thời gian thực, theo TechCrunch. Trong hệ thống cũ, quá trình xử lý âm thanh diễn ra theo chuỗi: lời nói được chuyển thành văn bản, sau đó đưa vào mô hình ngôn ngữ, cuối cùng lại được chuyển ngược lại thành giọng nói trước khi tới người dùng.
Trong buổi họp báo, OpenAI nêu ra những hạn chế của hệ thống cũ mà các mô hình mới hướng tới khắc phục, chẳng hạn trợ lý bị ngắt lời người dùng và không đáp ứng tốt các câu hỏi. Khi một truy vấn yêu cầu tìm kiếm, suy luận hoặc các khả năng dạng agent, hệ thống sẽ chuyển sang mô hình văn bản như GPT‑5.5 trên nền tảng mà không ngừng phát giọng nói, công ty nói.
Chế độ giọng nói mới còn được tối ưu cho các cuộc hội thoại kéo dài. Ông Atty Eleti, người đứng đầu sản phẩm ChatGPT Voice, cho biết trong buổi họp báo rằng ông đã trò chuyện với tính năng này trong khoảng 30‑40 phút khi đi dạo.
Các buổi demo cũng cho thấy mô hình có khả năng giữ im lặng và lắng nghe cho đến khi cần phản hồi. Nhờ dựa trên các mô hình GPT mới hơn, chế độ giọng nói có thể hiển thị một số câu trả lời bằng hình ảnh thay vì chỉ qua giọng nói.
Công ty cho biết hơn 150 triệu người dùng ChatGPT đã trải nghiệm các tính năng giọng nói như Voice và Dictation. OpenAI cho rằng giọng nói có thể trở thành giao diện chính cho các tác vụ tính toán phức tạp.
“Theo thời gian, chúng tôi tin rằng điều này sẽ mở ra khả năng sử dụng giọng nói như một giao diện chính cho máy tính, và quản lý các công việc dạng agent ngày càng phức tạp,” ông Eleti nói.
OpenAI cho biết các mô hình đi kèm các tính năng an toàn, như các rào chắn điều chỉnh phản hồi cho người dùng trẻ và gợi ý nguồn hỗ trợ khi phát hiện các chủ đề nhạy cảm như tự‑tổn thương. Công ty cũng nhấn mạnh không quảng bá chế độ giọng nói mới như một người bạn đồng hành AI.
Đầu năm nay, vào tháng 5, công ty đã ra mắt ba mô hình âm thanh dành cho các nhà phát triển xây dựng ứng dụng dựa trên giọng nói, với mục tiêu làm cho các tác vụ nghe tự nhiên hơn trong hội thoại, theo Reuters.
OpenAI, GPT-Live, Voice AI
