OpenAI เปิดตัวโมเดลรุ่นใหม่ชื่อ GPT-Live ซึ่งมาพร้อมกับสองเวอร์ชัน ได้แก่ GPT-Live-1 และ GPT-Live-1 mini โดย GPT-Live-1 จะกลายเป็นโมเดลหลักที่ขับเคลื่อน ChatGPT Voice สำหรับผู้ใช้ที่จ่ายเงินในแพ็กเกจ Go, Plus และ Pro ส่วน GPT-Live-1 mini จะเป็นค่าเริ่มต้นสำหรับผู้ใช้แบบฟรี
สถาปัตยกรรมฟูลดูเพล็กซ์
จุดเด่นของ GPT-Live อยู่ที่สถาปัตยกรรมแบบฟูลดูเพล็กซ์ที่ประมวลผลเสียงเข้าและสร้างเสียงออกไปพร้อมกันอย่างต่อเนื่อง ไม่ใช่การทำงานแบบทีละรอบ ทำให้โมเดลสามารถตัดสินใจได้หลายครั้งต่อวินาทีว่าจะพูด ฟังต่อ หยุด แทรก หรือเรียกใช้เครื่องมือระหว่างสนทนา นอกจากนี้ OpenAI ยังแยกส่วนการสนทนาที่ต่อเนื่องออกจากงานที่ต้องประมวลผลเชิงลึก โดยเมื่อถามคำถามที่ต้องค้นหาจากเว็บไซต์ การให้เหตุผล หรือการทำงานที่ซับซ้อน GPT-Live จะมอบหมายงานนั้นให้โมเดลอีกตัวทำงานเบื้องหลัง แล้วนำผลลัพธ์กลับมาต่อบทสนทนาเมื่อทุกอย่างพร้อม
การทำงานเบื้องหลัง
ในช่วงเปิดตัว GPT-Live จะใช้ GPT-5.5 เป็นโมเดลเบื้องหลัง โดย OpenAI ระบุว่าจะอัปเดตโมเดลที่ใช้ให้เป็นรุ่นใหม่ล่าสุดอยู่เสมอ ทั้งนี้ OpenAI เผยข้อมูลเชิงลึกว่าในแต่ละสัปดาห์มีผู้ใช้งานบนแพลตฟอร์มมากกว่า 150 ล้านคนที่พูดคุยกับ ChatGPT ผ่านฟีเจอร์ Voice และ Dictation
การสนทนาที่เป็นธรรมชาติ
ChatGPT Voice ที่ใช้ GPT-Live จะสร้างบทสนทนาที่เป็นธรรมชาติมากขึ้น ผู้ใช้สามารถแทรกคำถาม หยุดเพื่อรวบรวมความคิด หรือขอให้ ChatGPT พูดช้าลงได้ อีกทั้งยังปรับปรุงเสียงพูดทั้ง 9 เสียงใน ChatGPT ใหม่ทั้งหมดสำหรับ GPT-Live ผู้ใช้ยังเลือกระดับการคิดได้ตามต้องการ ทั้งแบบ Instant สำหรับการตอบเร็ว หรือ Medium และ High เมื่อต้องการให้ใช้เวลาคิดมากขึ้น
การฟังที่ดีขึ้น
ในด้านการฟัง ChatGPT Voice จะรอเมื่อผู้ใช้หยุดคิดแทนที่จะรีบพูดแทรก และโฟกัสที่เสียงของผู้ใช้ได้ดีขึ้นเมื่อมีเสียงรบกวนรอบข้าง นอกจากนี้ยังแสดงการ์ดภาพประกอบสำหรับหัวข้ออย่างสภาพอากาศ หุ้น กีฬา และอื่นๆ ระหว่างสนทนา พร้อมรองรับการค้นหา หน่วยความจำ รูปภาพ และการอัปโหลดไฟล์
ข้อจำกัดและการพัฒนาในอนาคต
สำหรับข้อจำกัดในช่วงเปิดตัว GPT-Live จะยังไม่รองรับการใช้เสียงร่วมกับวิดีโอ หรือการแชร์หน้าจอใน ChatGPT อย่างไรก็ตาม OpenAI ระบุว่ากำลังพัฒนาเพื่อเพิ่มความสามารถเหล่านี้ในอนาคตอันใกล้ โดยผู้ใช้ยังเข้าถึง ChatGPT Voice เวอร์ชันเดิมอย่าง Standard และ Advanced Voice Mode ได้ โมเดลถูกปรับให้เหมาะกับภาษายอดนิยมบางภาษา ซึ่งบางภาษาอาจมีสำเนียงที่ยังไม่สมบูรณ์นัก
