Công nghệ AI đang dịch chuyển với tốc độ chóng mặt, khoảng cách giữa tương tác số và giao tiếp đời thực ngày càng được rút ngắn. Mới đây, cộng đồng công nghệ toàn cầu lại một lần nữa bất ngờ trước thông tin OpenAI ra mắt GPT-Live. Đây không chỉ là một bản cập nhật thông thường, mà là dòng mô hình giọng nói mới nhất được thiết kế riêng cho người dùng ChatGPT.
Theo các báo cáo từ các hãng như Reuters, điểm đắt giá nhất của công nghệ này nằm ở khả năng tương tác song song. Điều này đồng nghĩa với việc người dùng có thể trò chuyện với AI một cách liền mạch, nghe và nói đồng thời mà không gặp phải độ trễ khó chịu như trước. Cùng Thành Nhân TNC tìm hiểu rõ về màn ra mắt này nhé!
Trong đợt phát hành này, OpenAI mang đến hai phiên bản cho từng nhóm đối tượng người dùng là GPT-Live-1 và GPT-Live-1 mini. Hiện tại, các mô hình này đang được triển khai lần lượt trên phạm vi toàn cầu, tích hợp trực tiếp vào cả nền tảng web lẫn ứng dụng di động dành cho hệ điều hành iOS và Android tại các khu vực được hỗ trợ.
OpenAI còn tham vọng bành trướng tầm ảnh hưởng khi lên kế hoạch đưa dòng mô hình này lên nền tảng giao diện lập trình ứng dụng (API). Khi tính năng GPT-Live chính thức mở cổng API, các doanh nghiệp và nhà phát triển phần mềm có thể tận dụng để xây dựng hệ thống tổng đài tự động thông minh, trợ lý chăm sóc khách hàng thế hệ mới, hoặc các công cụ dịch thuật trực tiếp có độ chính xác cao. Mặc dù thời điểm phát hành API cụ thể chưa được ấn định, nhưng động thái này dự kiến sẽ tạo ra một làn sóng chuyển đổi số mạnh mẽ trong ngành dịch vụ khách hàng.
Một trong những rào cản lớn khiến việc nói chuyện với ChatGPT hoặc các trợ lý ảo trước đây trở nên gượng gạo chính là hiện tượng ngắt ngang lời. Ở các phiên bản cũ, hệ thống hoạt động theo cơ chế nhận diện lượt lời (turn-taking). Chỉ cần người dùng im lặng vài giây để suy nghĩ, thuật toán lập tức hiểu nhầm rằng câu thoại đã kết thúc và phát ra câu trả lời, gây ngắt quãng mạch tư duy.
Tuy nhiên, theo phân tích từ The Verge, tính năng mới OpenAI áp dụng trên GPT-Live-1 đã giải quyết triệt để bài toán này. Hệ thống ChatGPT có khả năng tự động phân tích ngữ điệu và ngữ cảnh để biết khi nào người dùng đang tạm dừng để tư duy, từ đó tiếp tục giữ trạng thái lắng nghe cho đến khi nhận được tín hiệu kết thúc thực sự.
Đặc biệt, cơ chế phản hồi song song cho phép người dùng thoải mái ngắt lời AI giữa chừng để điều hướng cuộc đối thoại, thay đổi câu hỏi hoặc bổ sung dữ liệu mới mà không cần đợi máy nói hết câu. Để tạo cảm giác tự nhiên, ChatGPT còn biết chèn vào những tín hiệu đệm ngắn như “vâng”, “tôi đã hiểu”, giúp người dùng an tâm rằng thông điệp của mình vẫn đang được tiếp nhận đầy đủ. Sự nâng cấp vượt bậc này giúp phân biệt rõ ràng dòng mô hình mới với Advanced Voice Mode hay thế hệ ChatGPT Voice đời đầu.
GPT-Live được định vị như một hệ thống điều phối thông minh. Khi đối mặt với những yêu cầu có độ phức tạp cao, đòi hỏi tính toán chuyên sâu hoặc tra cứu dữ liệu thời gian thực, hệ thống sẽ thực hiện một thao tác chuyển giao kỹ thuật. Cụ thể, tác vụ nặng sẽ được đẩy về phía sau cho mô hình siêu thông minh GPT-5.5 xử lý ngầm. Trong khoảng thời gian mô hình nền tảng phân tích và tìm kiếm dữ liệu, ChatGPT không hề rơi vào trạng thái im lặng. Trợ lý AI vẫn duy trì cuộc trò chuyện với AI một cách bình thường với người dùng, tán gẫu hoặc giải thích các bước đang thực hiện. Ngay khi GPT-5.5 trả về kết quả, thông tin sẽ được lồng ghép mượt mà vào mạch nói chuyện.
Tạp chí TechCrunch nhận định, kiến trúc vận hành thông minh này đã loại bỏ điểm yếu của các công nghệ giọng nói cũ vừa dễ bị tổn thương bởi các câu hỏi hóc búa, vừa làm gián đoạn trải nghiệm người dùng trong lúc tải dữ liệu. Giờ đây, bạn có thể vừa trò chuyện, vừa yêu cầu AI lên lịch trình di chuyển phức tạp hoặc phân tích một báo cáo tài chính mà mạch giao tiếp vẫn tuôn chảy liên tục.
Trợ lý ảo giờ đây có thể đóng vai trò như một thông dịch viên cabin chuyên nghiệp. Hệ thống tiếp nhận ngôn ngữ nguồn và tiến hành chuyển ngữ sang ngôn ngữ đích gần như ngay lập tức khi người nói đang phát ngôn, thay vì phải đợi hết câu hay hết đoạn.
Tính năng này mở ra tiềm năng ứng dụng cực kỳ lớn trong đời sống và công việc:
Mặc dù vậy, OpenAI cũng thẳng thắn thừa nhận công nghệ này vẫn đang trong giai đoạn hoàn thiện. Các đánh giá thực tế từ giới chuyên môn cho thấy chất lượng dịch thuật giữa các ngôn ngữ chưa thực sự đồng đều.
Không chỉ dừng lại ở tai nghe và miệng nói, dòng mô hình mới của OpenAI còn tối ưu trải nghiệm của người dùng ngay trên màn hình thiết bị. Khi nhận được các câu hỏi liên quan đến dữ liệu biến động liên tục như tình hình thời tiết, chỉ số chứng khoán hoặc kết quả các trận thi đấu thể thao, ChatGPT sẽ áp dụng cơ chế phản hồi kép.
Song song với việc dùng giọng nói để tóm tắt câu trả lời, màn hình ứng dụng sẽ hiển thị các biểu đồ, số liệu thống kê trực quan hoặc bảng dự báo chi tiết. Sự kết hợp này giúp người dùng tiếp nhận thông tin một cách toàn diện và nhanh chóng nhất. Đồng thời, mô hình cũng tích hợp chặt chẽ với các công cụ duyệt web, bộ nhớ dài hạn và khả năng phân tích tệp tin/hình ảnh trong cùng một phiên làm việc, tạo nên một hệ sinh thái tính năng khép kín và mạnh mẽ.
Theo số liệu do hãng công bố, mỗi tuần có hơn 150 triệu người sử dụng các tính năng Voice và Dictation trên ChatGPT. Người dùng tìm đến công cụ với nhiều mục đích từ luyện giao tiếp ngoại ngữ, tìm kiếm thông tin khi đang lái xe, cho đến kể chuyện cho trẻ nhỏ hoặc đơn giản là sử dụng khi tay đang bận làm việc khác. Tuy nhiên, người dùng cần lưu ý rằng ở phiên bản ra mắt hiện tại, mô hình mới chưa hỗ trợ tính năng tương tác qua video hoặc chia sẻ màn hình theo thời gian thực. Nếu có nhu cầu sử dụng hai tiện ích này, người dùng bắt buộc phải chuyển đổi thủ công sang chế độ Advanced Voice Mode.
Hệ thống sẽ kiểm duyệt nội dung được tích hợp sâu vào bộ lọc của GPT-Live, hoạt động liên tục trong suốt thời gian diễn ra cuộc hội thoại. Khi phát hiện các chủ đề nhạy cảm, có xu hướng bạo lực hoặc gây hại, AI sẽ tự động điều chỉnh tông giọng, ngắt câu trả lời, đưa ra lời cảnh báo hoặc chủ động chấm dứt cuộc trò chuyện nếu mức độ rủi ro vượt ngưỡng an toàn.
Sự kiện OpenAI ra mắt GPT-Live đã đánh dấu một cột mốc quan trọng, đưa công nghệ trợ lý ảo thoát khỏi chiếc áo giáp "hỏi - đáp" thô sơ để tiến tới một cuộc hội thoại tự nhiên, có tư duy và chiều sâu. Dù vẫn còn một vài hạn chế nhỏ về âm điệu ở một số ngôn ngữ hay chưa hỗ trợ video, nhưng những gì mô hình này làm được với công nghệ full-duplex và khả năng đa nhiệm phối hợp cùng GPT-5.5 thực sự rất ấn tượng. Đây chắc chắn sẽ là bệ phóng vững chắc để OpenAI tiếp tục thống trị thị trường AI tạo sinh trong kỷ nguyên tương tác bằng giọng nói sắp tới.
>>> Xem thêm:
