Chỉ trong hơn nửa giờ trình diễn, OpenAI đã khiến không ít người xem phải thay đổi hoàn toàn cách nhìn về AI giọng nói. Thay vì một chatbot quen thuộc phải chờ người dùng nói xong mới trả lời, GPT-Live có thể vừa lắng nghe, vừa phản hồi, vừa dịch giữa nhiều ngôn ngữ gần như theo thời gian thực. Không ít bình luận trên mạng xã hội thậm chí còn thốt lên: Thế này cần gì phiên dịch viên nữa?
Dĩ nhiên, đó chỉ là phản ứng đầy phấn khích của cộng đồng sau khi xem màn trình diễn. Nhưng nếu theo dõi toàn bộ buổi giới thiệu của OpenAI, có thể thấy GPT-Live thực sự đánh dấu một bước tiến đáng kể trong cách con người tương tác với AI bằng giọng nói.
Điểm khiến nhiều người kinh ngạc nhất là khả năng phiên dịch trực tiếp giữa hai người nói hai ngôn ngữ khác nhau. Trong video minh họa, một người có thể nói bằng tiếng Anh, trong khi người còn lại chỉ nghe bằng ngôn ngữ mình lựa chọn như tiếng Tây Ban Nha, tiếng Nhật hay nhiều ngôn ngữ khác. Khi người thứ hai trả lời bằng tiếng mẹ đẻ, GPT-Live lại gần như ngay lập tức dịch ngược sang tiếng Anh để cuộc hội thoại tiếp tục diễn ra.
Điều đáng chú ý là toàn bộ quá trình này không còn mang cảm giác của những ứng dụng dịch thuật truyền thống, vốn yêu cầu người nói phải kết thúc câu rồi mới bắt đầu xử lý. Thay vào đó, AI liên tục theo dõi cuộc hội thoại, lắng nghe, lựa chọn thời điểm phù hợp để dịch và phản hồi, tạo cảm giác giống như có một thông dịch viên đang ngồi giữa hai người.
Khả năng này đến từ thay đổi lớn nhất trong kiến trúc của GPT-Live. Theo OpenAI, đây là mô hình giọng nói đầu tiên của hãng được xây dựng trên kiến trúc song công toàn phần (full-duplex), cho phép hệ thống nghe và nói cùng lúc thay vì hoạt động theo từng lượt như trước. Điều này đồng nghĩa AI không còn phải chờ người dùng nói xong hoàn toàn mới bắt đầu xử lý.
Nhờ đó, GPT-Live có thể đưa ra quyết định nhiều lần mỗi giây: tiếp tục lắng nghe, tạm dừng, phản hồi, ngắt lời đúng lúc hoặc đơn giản chỉ im lặng để người dùng có thêm thời gian suy nghĩ. Đây cũng là nền tảng giúp tính năng dịch trực tiếp trở nên tự nhiên hơn rất nhiều so với các hệ thống dịch giọng nói truyền thống.
Không chỉ gây ấn tượng với khả năng phiên dịch, GPT-Live còn khiến nhiều người đang học ngoại ngữ chú ý bởi một tính năng khác: AI có thể sửa lỗi ngữ pháp ngay trong lúc người dùng đang nói.
Thay vì đợi hoàn thành một bài học rồi mới chỉ ra lỗi sai, GPT-Live có thể nhận biết những điểm chưa chính xác ngay trong ngữ cảnh của cuộc trò chuyện. Điều này khiến nhiều người liên tưởng đến việc đang luyện nói cùng một giáo viên ngoại ngữ, người vừa lắng nghe, vừa để học viên hoàn thành ý tưởng rồi mới đưa ra góp ý phù hợp. Đây sẽ là một cú đánh mạnh giáng vào các ứng dụng học ngoại ngữ như Duolingo hiện tại.
Tuy nhiên, Duolingo vẫn có lợi thế nhất định khi chủ yếu được thiết kế để xây dựng nền tảng ngoại ngữ thông qua các bài học, bài tập và lộ trình học có hệ thống. Trong khi đó, GPT-Live hướng nhiều hơn đến việc hỗ trợ giao tiếp thực tế, luyện phản xạ và duy trì hội thoại tự nhiên. Hai sản phẩm hiện vẫn phục vụ những nhu cầu khác nhau, dù ranh giới giữa chúng đang dần thu hẹp.
Một điểm thú vị khác trong kiến trúc của GPT-Live là AI không phải lúc nào cũng tự mình xử lý mọi yêu cầu. Khi người dùng đặt những câu hỏi cần tìm kiếm thông tin trên web hoặc yêu cầu suy luận phức tạp, GPT-Live sẽ âm thầm chuyển tác vụ sang GPT-5.5 ở phía sau. Trong thời gian đó, AI vẫn tiếp tục duy trì cuộc trò chuyện thay vì tạo ra những khoảng lặng kéo dài như các hệ thống trước đây.
Để sử dụng những tính năng này, người dùng chỉ cần cập nhật ứng dụng ChatGPT lên phiên bản mới nhất rồi nhấn vào biểu tượng Voice để bắt đầu trò chuyện bằng giọng nói với GPT-Live. Thay vì phải bật một chế độ riêng cho dịch thuật hay học ngoại ngữ, người dùng chỉ cần nói yêu cầu của mình ngay từ đầu cuộc hội thoại.
Chẳng hạn, có thể yêu cầu ChatGPT đóng vai phiên dịch viên giữa tiếng Việt và tiếng Anh, hoặc trở thành giáo viên tiếng Anh, lắng nghe người dùng nói, chỉ ra lỗi ngữ pháp, cách phát âm và gợi ý cách diễn đạt tự nhiên hơn sau mỗi lượt hội thoại. Từ đó, GPT-Live sẽ duy trì vai trò này trong suốt cuộc trò chuyện mà không cần thiết lập thêm bất kỳ tùy chọn đặc biệt nào.
Ngoài dịch thuật và trò chuyện tự nhiên hơn, OpenAI cũng cho biết GPT-Live có thể kết hợp nhiều khả năng khác của ChatGPT trong cùng một cuộc hội thoại bằng giọng nói. Người dùng vẫn có thể yêu cầu AI tìm kiếm trên web, lưu thông tin vào bộ nhớ, phân tích hình ảnh, tải tệp lên hoặc hiển thị các thẻ thông tin trực quan về thời tiết, chứng khoán hay thể thao ngay khi đang trò chuyện.
Theo OpenAI, GPT-Live sẽ dần thay thế trải nghiệm ChatGPT Voice hiện nay. Người dùng các gói Go, Plus và Pro sẽ được sử dụng GPT-Live-1, trong khi phiên bản GPT-Live-1 mini sẽ được cung cấp cho người dùng miễn phí.
Nguồn: GenK
