OpenAI vừa công bố GPT-Live, dòng mô hình giọng nói mới được thiết kế để mang lại trải nghiệm hội thoại tự nhiên hơn, đánh dấu một trong những nâng cấp đáng chú ý nhất kể từ khi ChatGPT bổ sung chế độ Voice.
Theo OpenAI, GPT-Live có thể nghe và nói cùng lúc, phản hồi linh hoạt theo nhịp trò chuyện của người dùng thay vì chờ câu nói kết thúc như các thế hệ trước. Động thái này cho thấy tham vọng đưa giọng nói trở thành giao diện tương tác chính giữa con người và trí tuệ nhân tạo trong tương lai.
Hai phiên bản đầu tiên của dòng sản phẩm gồm GPT-Live-1 và GPT-Live-1 mini đã được triển khai trên phạm vi toàn cầu. Trong đó, GPT-Live-1 mini sẽ trở thành chế độ giọng nói mặc định của ChatGPT dành cho người dùng miễn phí, còn GPT-Live-1 được cung cấp cho các gói Go, Plus và Pro. Đồng thời, OpenAI cũng xác nhận các mô hình này sẽ sớm xuất hiện trên nền tảng API dành cho nhà phát triển, mở rộng khả năng xây dựng những ứng dụng AI hội thoại thời gian thực.
Khác với Advanced Voice Mode trước đây, vốn kết hợp ba mô hình riêng biệt gồm nhận dạng giọng nói, mô hình ngôn ngữ và tổng hợp giọng nói, GPT-Live sử dụng kiến trúc full-duplex. Điều đó cho phép hệ thống vừa tiếp nhận lời nói vừa phản hồi ngay trong lúc người dùng đang trò chuyện. Nhờ vậy, các cuộc đối thoại trở nên tự nhiên hơn, người dùng có thể ngắt lời, đổi chủ đề hoặc tạm dừng suy nghĩ mà không khiến cuộc hội thoại bị đứt quãng.
OpenAI cho biết GPT-Live còn được thiết kế để xử lý những vấn đề từng khiến trải nghiệm trò chuyện bằng giọng nói thiếu tự nhiên, như việc AI vô tình cắt ngang người dùng hoặc phản hồi quá chậm khi phải xử lý những câu hỏi phức tạp. Với kiến trúc mới, GPT-Live có thể tiếp tục duy trì cuộc trò chuyện trong khi âm thầm chuyển các yêu cầu cần suy luận sâu sang những mô hình tiên tiến hơn như GPT-5.5 để thực hiện tìm kiếm, lập luận hoặc xử lý các tác vụ mang tính "agent". Sau khi hoàn tất, kết quả sẽ được đưa trở lại cuộc hội thoại mà không làm gián đoạn trải nghiệm.
Trong buổi giới thiệu sản phẩm, OpenAI trình diễn khả năng phiên dịch trực tiếp của GPT-Live. Mô hình có thể lắng nghe một ngôn ngữ, đồng thời chuyển đổi và đọc kết quả sang ngôn ngữ khác gần như ngay lập tức. Đây được xem là một trong những tính năng nổi bật nhất của phiên bản mới, hướng đến các tình huống giao tiếp xuyên ngôn ngữ trong thời gian thực.
Bên cạnh đó, GPT-Live còn được bổ sung khả năng phản hồi bằng các thẻ thông tin trực quan khi cần thiết. Thay vì chỉ trả lời bằng giọng nói, ChatGPT có thể hiển thị thêm dữ liệu về thời tiết, chứng khoán, thể thao hoặc các thông tin liên quan ngay trong giao diện hội thoại. Đây là bước mở rộng đáng chú ý khi OpenAI muốn biến ChatGPT thành trợ lý đa phương thức thay vì chỉ là chatbot văn bản.
Theo OpenAI, hơn 150 triệu người dùng hiện thường xuyên sử dụng các tính năng Voice và Dictation của ChatGPT. Công ty tin rằng nhu cầu giao tiếp bằng giọng nói sẽ tiếp tục tăng mạnh trong những năm tới. Đại diện nhóm phát triển sản phẩm cho biết các cuộc trò chuyện kéo dài 30-40 phút với ChatGPT Voice đã trở nên phổ biến trong quá trình thử nghiệm, đặc biệt ở những hoạt động như đi bộ hoặc làm việc rảnh tay.
Dù vậy, OpenAI cũng thừa nhận GPT-Live vẫn còn nhiều điểm cần cải thiện. Trong phần trình diễn dịch trực tiếp sang tiếng Hindi, mô hình vẫn sử dụng chất giọng mang đậm âm sắc Mỹ và cách diễn đạt được đánh giá còn khá "sách vở", chưa thật sự tự nhiên. Công ty cho biết GPT-Live đã được tối ưu cho phần lớn các ngôn ngữ phổ biến, nhưng chưa công bố danh sách cụ thể.
Song song với việc nâng cấp trải nghiệm, OpenAI nhấn mạnh GPT-Live không được phát triển theo hướng trở thành "AI companion" hay bạn đồng hành cảm xúc. Hệ thống vẫn được tích hợp các lớp bảo vệ nhằm đưa ra phản hồi phù hợp với từng độ tuổi, đồng thời cung cấp thông tin hỗ trợ nếu cuộc trò chuyện chuyển sang những chủ đề nhạy cảm như tự gây hại hoặc khủng hoảng tâm lý.
Việc ra mắt GPT-Live diễn ra trong bối cảnh cuộc cạnh tranh về trợ lý AI bằng giọng nói ngày càng quyết liệt. Apple và Amazon đều đã nâng cấp Siri và Alexa theo hướng hội thoại tự nhiên hơn, trong khi nhiều công ty khởi nghiệp như Sesame cũng đang phát triển các trợ lý AI có khả năng duy trì cuộc trò chuyện dài và xử lý tác vụ ở chế độ nền. Với GPT-Live, OpenAI cho thấy mục tiêu không chỉ là cải thiện chất lượng phản hồi, mà còn định hình giọng nói trở thành phương thức tương tác chủ đạo với AI trong những tác vụ ngày càng phức tạp của tương lai.
