OpenAI đã chính thức ra mắt các mô hình hội thoại mới mang tên GPT-Live-1 và GPT-Live-1 mini, với tuyên bố rằng chúng có âm thanh tự nhiên hơn và khả năng xử lý lượt nói tốt hơn. Các mô hình này là mô hình full-duplex, có nghĩa là chúng có thể nói và lắng nghe cùng một lúc, cho phép người dùng ngắt lời một cách tự nhiên và mở rộng các tính năng như dịch trực tiếp.
Công ty cũng sẽ thay thế chế độ Giọng nói Nâng cao hiện tại trong ChatGPT bằng GPT-Live-1 mini theo mặc định. Những người dùng ở các gói trả phí sẽ có thể truy cập vào mô hình lớn hơn là GPT-Live-1. Mô hình trước đó kết hợp một mô hình chuyển đổi giọng nói thành văn bản để phiên âm, một mô hình ngôn ngữ lớn để tạo ra phản hồi và một mô hình chuyển văn bản thành giọng nói để cung cấp câu trả lời cuối cùng.
Trong một buổi họp báo, công ty cho biết các mô hình mới giải quyết những vấn đề như việc ngắt lời người dùng trong khi họ đang nói và thiếu khả năng thông minh để trả lời câu hỏi. Các mô hình mới của OpenAI sẽ gửi truy vấn đến các mô hình văn bản mới nhất như GPT-5.5 để tìm kiếm, lý luận hoặc các khả năng tác động trong khi tiếp tục cuộc trò chuyện.
Khả năng tương tác và ngữ cảnh
OpenAI cũng đã chứng minh rằng mô hình có thể giữ im lặng trong một thời gian dài và hấp thụ ngữ cảnh của cuộc trò chuyện cho đến khi được gọi đến. Thêm vào đó, với việc chế độ giọng nói mới có quyền truy cập vào các mô hình GPT mới hơn, nó cũng có thể trình bày một số thông tin dưới dạng hình ảnh.
Các công ty khởi nghiệp khác như Monogram, đã huy động được 40 triệu USD từ DST và Lux Capital, cũng đang hướng đến các phản hồi hình ảnh để làm cho trợ lý trở nên tương tác hơn. Công ty cho biết chế độ giọng nói mới trong ChatGPT được thiết kế để có cuộc trò chuyện kéo dài hơn. Trong buổi họp báo, người phụ trách sản phẩm của ChatGPT Voice, Atty Eleti, cho biết ông đã có những cuộc trò chuyện kéo dài từ 30 đến 40 phút với tính năng giọng nói trong khi đi dạo.
Tương lai của giao diện giọng nói
OpenAI tin rằng giọng nói có thể trở thành giao diện chính cho việc tính toán trong công việc phức tạp. Các báo cáo đã gợi ý rằng công ty có thể ra mắt một cặp tai nghe có khả năng AI trong năm nay. Tuy nhiên, công ty không cung cấp thông tin nào về các sản phẩm phần cứng.
“Theo thời gian, chúng tôi nghĩ rằng điều này cũng sẽ mở khóa khả năng sử dụng giọng nói như một loại giao diện chính để tính toán, và để quản lý công việc phức tạp kéo dài. Những trường hợp sử dụng tuyệt vời mà chúng tôi thấy mọi người sử dụng Codex và ChatGPT để thực hiện, chúng tôi nghĩ rằng giọng nói có thể là giao diện tương lai cho tất cả các loại công việc,” Eleti cho biết.
Cải tiến giọng nói và tính năng bảo mật
OpenAI đã làm việc để củng cố các tính năng dựa trên giọng nói trong vài năm qua nhằm làm cho chế độ giọng nói của ChatGPT nghe tự nhiên hơn. Công ty cho biết hơn 150 triệu người đã trò chuyện với ChatGPT thông qua các tính năng như Giọng nói và Phiên dịch. Các đối thủ cũng đang cố gắng làm cho các trợ lý trở nên biểu cảm hơn. Cả Apple và Amazon đều đã cập nhật các trợ lý của họ để trở nên hội thoại hơn với khả năng xử lý ngữ cảnh tốt hơn.
Các công ty khởi nghiệp như Sesame, được thành lập bởi đồng sáng lập Oculus Brendan Iribe và Ankit Kumar, cũng đã ra mắt các trợ lý AI với cuộc trò chuyện tự nhiên hơn trong khi hoàn thành các nhiệm vụ ở nền. OpenAI đang đi theo hướng tương tự, nhằm cho phép người dùng nói chuyện với trợ lý của mình mà không cần tay trong một thời gian dài hơn.
Dù công ty tuyên bố rằng chế độ giọng nói mới nghe tự nhiên hơn, nhưng họ nhấn mạnh rằng không nhằm mục đích biến điều này thành một người bạn AI. Họ lưu ý rằng các mô hình mới có các biện pháp bảo vệ được tích hợp để cung cấp phản hồi phù hợp với độ tuổi cho thanh thiếu niên và cung cấp tài nguyên nếu cuộc trò chuyện chuyển sang các chủ đề như tự hại.
Những thách thức còn lại
Mặc dù được cải tiến, chế độ giọng nói mới vẫn cần thêm thời gian để hoàn thiện. Trong một buổi trình diễn, khi công ty cho thấy tính năng dịch trực tiếp sang tiếng Hindi, trợ lý đã có giọng Mỹ nặng và nói tiếng Hindi với âm điệu không tự nhiên và hơi sách vở. Công ty cho biết chế độ mới được tối ưu hóa cho “hầu hết các ngôn ngữ nói,” nhưng không chỉ rõ những ngôn ngữ nào.
Nhìn chung, sự phát triển của các mô hình giọng nói mới từ OpenAI đánh dấu một bước tiến quan trọng trong việc cải thiện khả năng giao tiếp của AI, mở ra nhiều cơ hội cho tương lai của giao diện người-máy.
TH (phapluatxahoi.kinhtedothi.vn)
