OpenAI ngày 9/7 cho biết đã nâng cấp ChatGPT Voice bằng việc tích hợp mô hình giọng nói mới GPT-Live, cho phép xử lý ngữ cảnh hội thoại theo thời gian thực. Theo công ty, bản cập nhật giúp giảm độ trễ phản hồi, hạn chế gián đoạn khi trò chuyện và cải thiện tính năng phiên dịch thời gian thực.

Trước đây, các hệ thống AI giọng nói thường hoạt động theo quy trình chuyển lời nói của người dùng thành văn bản, để mô hình ngôn ngữ lớn tạo câu trả lời rồi chuyển ngược thành giọng nói. Cách làm này đòi hỏi một bước riêng để xác định người dùng đã nói xong, nên cuộc hội thoại đôi khi bị ngắt mạch hoặc phản hồi chậm.

OpenAI cho biết GPT-Live xử lý âm thanh liên tục và theo sát ngữ cảnh đối thoại theo thời gian thực. Nhờ đó, hệ thống có thể chuẩn bị phản hồi ngay trong lúc người dùng đang nói, đồng thời vẫn theo kịp khi người dùng tạm dừng rồi tiếp tục câu hỏi. Việc chuẩn bị câu trả lời trước khi người dùng dừng hẳn cũng giúp rút ngắn thời gian phản hồi.

Theo OpenAI, khi phát triển ChatGPT Voice, hãng tách riêng phần hội thoại bằng giọng nói và khả năng suy luận. Với những câu hỏi cần bổ sung thông tin hoặc các tác vụ mất nhiều thời gian xử lý, AI vẫn duy trì cuộc trò chuyện và cập nhật câu trả lời ngay khi đã sẵn sàng.

Tính năng phiên dịch thời gian thực của ChatGPT Voice cũng được nâng cấp. Nếu trước đây hệ thống phải đợi người nói dừng lại rồi mới dịch, thì ở bản cập nhật mới, âm thanh được xử lý liên tục để bản dịch theo sát mạch hội thoại. OpenAI cho biết tính năng này có thể phục vụ các cuộc họp đa ngôn ngữ, du lịch, giáo dục và chăm sóc khách hàng.

OpenAI cho biết sẽ tiếp tục mở rộng kiến trúc GPT-Live sang nhiều mô hình backend, phương thức đầu vào/đầu ra và các kịch bản sử dụng thông qua API. Công ty cũng định hướng phát triển công nghệ này để mở rộng những tác vụ vốn được xử lý qua văn bản hoặc AI agent sang trải nghiệm hội thoại bằng giọng nói.