OpenAI ra mắt GPT-Live: ChatGPT nghe nói cùng lúc như người thật

Cuộc đua trợ lý giọng nói trí tuệ nhân tạo vừa có thêm một bước ngoặt đáng chú ý khi OpenAI chính thức ra mắt GPT-Live, thế hệ mô hình giọng nói mới cho ChatGPT được kỳ vọng sẽ xóa nhòa ranh giới giữa hội thoại với máy móc và hội thoại với con người thực sự.

Kiến trúc song công toàn phần: nghe và nói cùng lúc

Điểm đột phá công nghệ cốt lõi của GPT-Live nằm ở kiến trúc song công toàn phần, cho phép hệ thống nghe và nói cùng lúc thay vì xử lý theo từng lượt như phần lớn trợ lý giọng nói AI hiện có trên thị trường. Với các trợ lý giọng nói thông thường, người dùng thường phải chờ hệ thống xử lý xong câu nói của mình rồi mới có thể nghe phản hồi, tạo ra cảm giác trò chuyện bị ngắt quãng, thiếu tự nhiên. GPT-Live giải quyết triệt để vấn đề này bằng khả năng xử lý âm thanh đầu vào và tạo phản hồi đầu ra gần như đồng thời, mô phỏng chính xác hơn cách con người trò chuyện với nhau trong đời thực.

Không dừng lại ở khả năng kỹ thuật thuần túy, GPT-Live còn thể hiện sự tinh tế trong cách phản hồi theo ngữ cảnh cảm xúc. Hệ thống có thể lập tức chuyển sang giọng điệu vui mừng, chúc mừng khi nghe được tin vui từ người dùng, và thậm chí chủ động đề nghị tạm im lặng khi phát hiện có âm thanh xung quanh gợi ý người dùng đang cần ghi hình hoặc tập trung vào việc khác.

OpenAI chính thức công bố GPT-Live với hàng loạt tính năng hội thoại giọng nói mới. Nguồn: YouTube

Tự động chuyển tác vụ phức tạp không gián đoạn

Một điểm cộng kỹ thuật đáng chú ý khác là cách GPT-Live xử lý những câu hỏi vượt quá khả năng phản hồi tức thời. Khi gặp các câu hỏi cần tìm kiếm thông tin trên Internet hoặc đòi hỏi khả năng suy luận phức tạp, hệ thống sẽ tự động chuyển tác vụ đó sang các mô hình mạnh hơn của OpenAI, xử lý ở chế độ chạy nền mà không làm gián đoạn hay tạo ra độ trễ đáng chú ý trong cuộc hội thoại đang diễn ra với người dùng.

Cơ chế này giải quyết một trong những hạn chế lớn nhất của các trợ lý giọng nói AI trước đây, vốn thường phải tạm dừng cuộc hội thoại hoặc phản hồi với độ trễ đáng kể khi gặp yêu cầu phức tạp. GPT-Live cũng được tích hợp khả năng phiên dịch trực tiếp giữa các ngôn ngữ, cùng khả năng hiển thị thẻ thông tin trực quan về thời tiết, chứng khoán, thể thao ngay trong giao diện hội thoại, giúp người dùng vừa trò chuyện vừa tra cứu thông tin mà không cần chuyển đổi qua lại giữa các ứng dụng khác nhau.

ChatGPT Work: công cụ văn phòng ra mắt cùng đợt

Song song với GPT-Live, OpenAI cũng chính thức ra mắt ChatGPT Work, công cụ văn phòng mới kết hợp năng lực của ChatGPT với khả năng lập trình của Codex nhằm hỗ trợ người dùng tạo tài liệu, bài thuyết trình, website và xử lý nhiều tác vụ văn phòng khác một cách tự động hoá. Công cụ này có thể sử dụng trên cả nền tảng web, máy tính để bàn và điện thoại di động, cho phép người dùng giao việc rồi theo dõi tiến độ thực hiện từ nhiều thiết bị khác nhau một cách liền mạch.

ChatGPT Work hỗ trợ kết nối với các ứng dụng bên ngoài thông qua lệnh gọi nhanh bằng ký hiệu ”@”, trong khi người dùng vẫn giữ toàn quyền kiểm soát việc cấp quyền truy cập và phê duyệt trước khi AI thực hiện bất kỳ tác vụ nào thay mặt mình. Đây là bước đi tiếp theo trong chiến lược của OpenAI nhằm biến ChatGPT từ một công cụ trò chuyện đơn thuần thành một trợ lý làm việc toàn diện, có khả năng thực hiện chuỗi hành động phức tạp thay vì chỉ trả lời câu hỏi đơn lẻ, tương tự xu hướng chung của ngành khi các đối thủ như Google cũng đang phát triển Gemini thành trợ lý mua sắm thông minh tại thị trường Việt Nam.

Bối cảnh: cuộc đua hạ tầng và mô hình AI ngày càng khốc liệt

Sự ra mắt của GPT-Live diễn ra trong bối cảnh cuộc đua giữa các hãng AI hàng đầu ngày càng khốc liệt, không chỉ ở khía cạnh mô hình mà còn ở tầng hạ tầng tính toán phía sau. Trong khi OpenAI tập trung nâng cấp trải nghiệm hội thoại giọng nói, các đối thủ như Google đang dồn lực vào phát triển chip AI Ironwood nhằm cạnh tranh trực tiếp với Nvidia, còn Anthropic cũng được cho là đang đàm phán với Samsung để phát triển chip AI riêng trên tiến trình 2nm. Những diễn biến này cho thấy cuộc cạnh tranh AI toàn cầu hiện nay diễn ra đồng thời trên cả hai mặt trận: trải nghiệm sản phẩm hướng tới người dùng cuối và năng lực hạ tầng tính toán nền tảng phía sau, hai yếu tố ngày càng gắn bó chặt chẽ với nhau khi các mô hình AI ngày một phức tạp và tốn kém tài nguyên hơn.