OpenAI ra mắt GPT-Live: Bước tiến mới cho trải nghiệm trò chuyện bằng giọng nói như người thật

Theo tin từ IT之家 ngày 9 tháng 7, OpenAI hôm nay (9 tháng 7) đã ra mắt dòng mô hình GPT-Live, được định vị là thế hệ mô hình giọng nói song công (full-duplex) mới, có khả năng vừa lắng nghe vừa phản hồi cùng lúc, giúp trải nghiệm hội thoại với AI trở nên gần gũi hơn với con người.

Dòng mô hình GPT-Live hiện cung cấp hai phiên bản là GPT-Live-1 và GPT-Live-1 mini, bắt đầu mở quyền truy cập cho người dùng ChatGPT trên toàn cầu kể từ hôm nay. Trong đó, OpenAI cung cấp mô hình GPT-Live-1 cho người dùng đăng ký gói Go, Plus và Pro, còn người dùng miễn phí có thể sử dụng mô hình GPT-Live-1 mini. IT之家 đính kèm video liên quan bên dưới:

Về kiến trúc, dòng mô hình GPT-Live sử dụng kiến trúc song công, không còn phụ thuộc vào việc chờ kết thúc một lượt hội thoại mới phản hồi. Mô hình có thể liên tục xử lý đầu vào và đầu ra cùng lúc, đồng thời có khả năng đưa ra quyết định "nhiều lần mỗi giây" về việc nên nói, tiếp tục lắng nghe, tạm dừng, ngắt lời hay gọi công cụ, từ đó giúp cuộc đối thoại giống với trải nghiệm trò chuyện giữa người với người hơn.

Khi đối mặt với các tác vụ phức tạp, dòng mô hình GPT-Live sẽ phân tách việc xử lý tương tác liên tục và suy luận chuyên sâu. Mô hình duy trì luồng hội thoại giọng nói ở giao diện chính, đồng thời ủy thác các tác vụ như tìm kiếm web, suy luận phức tạp hoặc các nhiệm vụ khó hơn cho dòng mô hình GPT-5.5 thực hiện ở phía sau:

GPT-Live-1 (instant) và GPT-Live-1 mini gọi GPT-5.5 Instant.

GPT-Live-1 Medium gọi GPT-5.5 Thinking Medium với cường độ suy luận trung bình.

GPT-Live-1 High gọi GPT-5.5 Thinking High với cường độ suy luận cao.

Về hiệu năng, OpenAI cho biết công ty đã xây dựng một hệ thống đánh giá nhân tạo mới, tập trung vào sự thoải mái (pleasantness) và độ trôi chảy tổng thể (flow of conversation) trong quá trình giao tiếp bằng giọng nói.

So với Advanced Voice Mode trước đây, trong các cuộc đối thoại kéo dài 5-10 phút, dựa trên các chỉ số đo lường như mức độ ưu tiên tổng thể, sự kết nối giữa các lượt hội thoại, tình trạng ngắt lời, độ trôi chảy và tự nhiên, các mô hình GPT-Live-1 và GPT-Live-1 mini đều đạt điểm ưu tiên cao hơn.

Về quy mô người dùng, OpenAI tiết lộ rằng mỗi tuần có hơn 150 triệu người tương tác bằng giọng nói với ChatGPT thông qua các tính năng như Voice và Dictation. Các kịch bản sử dụng bao gồm hỗ trợ rảnh tay hàng ngày, luyện tập ngôn ngữ, kể chuyện trước khi ngủ và trò chuyện khi đang di chuyển. Phiên bản mới cũng hỗ trợ hiển thị các thẻ trực quan về thời tiết, chứng khoán, thể thao trong khi hội thoại giọng nói, đồng thời tiếp tục hỗ trợ tìm kiếm, ghi nhớ, tải lên hình ảnh và tệp tin.

Về khía cạnh an toàn, OpenAI cho biết GPT-Live đã trải qua các bài kiểm tra đánh giá âm thanh gốc, đánh giá âm thanh tổng hợp và kiểm thử nội bộ (red teaming) trong các lĩnh vực như tự làm hại bản thân, triệu chứng tâm thần và hưng cảm, sự phụ thuộc cảm xúc vào AI, nội dung bạo lực và tình dục. Phía công ty khẳng định mô hình này có hiệu suất tương đương hoặc tốt hơn Advanced Voice Mode ở hầu hết các khía cạnh đánh giá.

Tuyên bố quảng cáo: Các liên kết chuyển hướng bên ngoài có trong bài viết (bao gồm nhưng không giới hạn ở siêu liên kết, mã QR, mật khẩu, v.v.) được sử dụng để truyền tải thêm thông tin, giúp tiết kiệm thời gian chọn lọc, kết quả chỉ mang tính chất tham khảo. Tất cả các bài viết của IT之家 đều bao gồm tuyên bố này.