สรุปข่าว
- OpenAI เตรียมเปิดตัว GPT-Live ให้ผู้ใช้ ChatGPT ทั่วไป โดยอัปเกรด ChatGPT Voice ให้เป็นระบบ Full-Duplex ที่สามารถฟังและพูดพร้อมกันได้ ทำให้การคุยกับ AI ลื่นไหลใกล้เคียงมนุษย์มากขึ้น
- GPT-Live จะมี 2 รุ่น ได้แก่ GPT-Live-1 mini สำหรับผู้ใช้ฟรี และ GPT-Live-1 สำหรับผู้ใช้แพ็กเกจ Go, Plus และ Pro โดยจะทยอยเปิดใช้งานบน iOS, Android และเว็บ
- ฟีเจอร์ใหม่นี้มาพร้อมความสามารถด้านการแปลภาษาแบบใกล้เคียงเรียลไทม์ การแสดงการ์ดข้อมูลบนหน้าจอ และการส่งต่องานซับซ้อนไปยังโมเดลหลักที่ทำงานอยู่เบื้องหลัง
แนวโน้มผลกระทบ: Neutral
OpenAI เตรียมทยอยเปิดตัว GPT-Live ให้ผู้ใช้ ChatGPT ทั่วไป โดยยกระดับโหมดเสียงให้สามารถ ‘ฟัง’ และ ‘พูด’ พร้อมกันได้ ทำให้การคุยกับ AI ลื่นไหลและใกล้เคียงบทสนทนาในชีวิตจริงของมนุษย์มากขึ้น ผู้ใช้ฟรีจะได้ใช้งานโมเดล GPT-Live-1 mini ส่วนผู้ใช้แพ็กเกจ Go, Plus และ Pro แบบเสียเงิน จะได้ใช้ GPT-Live-1 ซึ่งรองรับทั้ง iOS, Android และเว็บ พร้อมความสามารถอย่างการแปลภาษาแบบใกล้เคียงเรียลไทม์ และการแสดงข้อมูลเพิ่มเติม เช่น สภาพอากาศ ราคาหุ้น หรือผลการแข่งขันกีฬา
OpenAI เตรียมทยอยเปิดตัว GPT-Live ให้ผู้ใช้ ChatGPT ทั่วไปแล้ว โดยฟีเจอร์ใหม่นี้ถือเป็นการอัปเกรดครั้งใหญ่ของ ChatGPT Voice จากเดิมที่ต้องรอให้ผู้ใช้พูดจบก่อนจึงจะตอบ กลายเป็นระบบสนทนาแบบ Full-Duplex ที่สามารถ ‘ฟัง’ และ ‘พูด’ ได้พร้อมกัน ทำให้การคุยกับ AI ลื่นไหลขึ้น และใกล้เคียงการสนทนากับคนจริงมากกว่าเดิม
หัวใจสำคัญของ GPT-Live อยู่ที่สถาปัตยกรรมใหม่ของระบบเสียง ซึ่งทำให้โมเดลสามารถประมวลผลสิ่งที่ผู้ใช้กำลังพูดไปพร้อมกับการสร้างคำตอบได้ทันที ต่างจากโหมดเสียงรุ่นก่อนหน้าที่จำเป็นต้องรอจังหวะให้ผู้ใช้พูดจบก่อน
ความเปลี่ยนแปลงนี้จะทำให้ประสบการณ์ใช้งานรู้สึกเป็นธรรมชาติมากขึ้น โดยเฉพาะในบทสนทนาที่มีการพูดแทรก หยุดคิด หรือเปลี่ยนประเด็นระหว่างสนทนา
OpenAI ระบุว่า GPT-Live สามารถตัดสินใจได้หลายครั้งต่อวินาทีว่าจะพูดต่อ ฟังต่อ หยุดรอ แทรกขึ้นมา หรือเรียกใช้เครื่องมืออื่นระหว่างบทสนทนา ทำให้ผู้ใช้สามารถพูดแทรก หยุดคิด หรือเปลี่ยนประเด็นได้ใกล้เคียงกับการสนทนาจริงมากขึ้น
สำหรับการเปิดตัวครั้งนี้ OpenAI แบ่ง GPT-Live ออกเป็น 2 รุ่น ได้แก่ GPT-Live-1 และ GPT-Live-1 mini โดยผู้ใช้ฟรีจะได้ใช้งาน GPT-Live-1 mini เป็นค่าเริ่มต้น ส่วนผู้ใช้แพ็กเกจ Go, Plus และ Pro จะได้ใช้งาน GPT-Live-1 ซึ่งเป็นโมเดลเสียงขนาดใหญ่กว่า
ฟีเจอร์ดังกล่าวจะทยอยเปิดให้ใช้งานบน ChatGPT ทั้ง iOS, Android และเว็บ โดยความพร้อมใช้งานอาจแตกต่างกันตามภูมิภาค เวิร์กสเปซ และเวอร์ชันของแอป นอกจากนี้ ChatGPT ยังรองรับการใช้งานผ่าน Apple CarPlay บน iPhone ที่รองรับอยู่แล้ว ทำให้ฟีเจอร์เสียงใหม่นี้อาจถูกนำไปใช้ในรถยนต์ด้วย
OpenAI ระบุว่า GPT-Live ไม่ได้ถูกออกแบบมาเป็นเพียงระบบสั่งงานด้วยเสียง แต่เป็นโมเดลที่ทำหน้าที่เป็นคู่สนทนาต่อเนื่อง สำหรับคำถามหรือคำสั่งที่ซับซ้อน โดยโมเดลเสียงสามารถส่งต่องานบางส่วน เช่น การค้นหาเว็บไซต์ การใช้เหตุผล หรือการทำงานหลายขั้นตอน ไปยังโมเดลหลักที่ทำงานอยู่เบื้องหลังได้ โดยไม่ทำให้บทสนทนาหยุดชะงัก
แนวทางนี้มีเป้าหมายเพื่อแก้ข้อจำกัดของ ChatGPT Voice รุ่นก่อนหน้า ซึ่งผู้ใช้บางส่วนมองว่ายังมีความสามารถน้อยกว่าการพิมพ์ถาม-ตอบผ่านข้อความ ในเวอร์ชันใหม่ ผู้ใช้จะได้ทั้งความเร็วของการสนทนาด้วยเสียง และพลังการประมวลผลของโมเดลที่ซับซ้อนขึ้น
OpenAI ยังได้เพิ่มตัวเลือกระดับการตอบสนองของโมเดล Voice โดยผู้ใช้สามารถเลือกโหมด Instant, Medium หรือ High เพื่อกำหนดวิธีที่ ChatGPT จัดการกับคำถามที่ยากขึ้นระหว่างการสนทนาด้วยเสียง
นอกจากนี้ GPT-Live ยังรองรับการแปลภาษาพูดแบบใกล้เคียงกับเรียลไทม์ และการแสดงการ์ดข้อมูลบนหน้าจอสำหรับหัวข้อที่เหมาะกับการดูมากกว่าการฟัง เช่น สภาพอากาศ ราคาหุ้น และผลการแข่งขันกีฬา แทนที่จะให้ ChatGPT อ่านข้อมูลทั้งหมดแบบออกเสียง
OpenAI ระบุว่า ปัจจุบันมีผู้ใช้งานฟีเจอร์เสียงและการถอดเสียงของ ChatGPT มากกว่า 150 ล้านคนต่อสัปดาห์ สะท้อนว่าการใช้งานด้วยเสียงกำลังกลายเป็นหนึ่งในช่องทางหลักของการโต้ตอบกับ AI
อย่างไรก็ตาม GPT-Live ยังมีข้อจำกัด โดย OpenAI ระบุว่าประสบการณ์ใช้งานอาจแตกต่างกันไปในแต่ละภาษา และบางภาษาอาจยังมีปัญหาเรื่องสำเนียงหรือความลื่นไหล ขณะที่รายงานจาก TechCrunch ระบุว่า ตัวอย่างการแปลภาษาฮินดียังมีสำเนียงอเมริกันชัด และใช้ภาษาที่แข็งในบางช่วง
OpenAI ยังระบุว่า Live ยังไม่รองรับการใช้งานร่วมกับวิดีโอหรือการแชร์หน้าจอในช่วงเปิดตัว โดยฟีเจอร์ดังกล่าวยังอยู่กับ Advanced Voice สำหรับผู้ใช้ที่มีสิทธิ์บนแอป iOS และ Android
ตามรายงานระบุว่า การเปิดตัว GPT-Live จะเกิดขึ้นในวันนี้ (9 ก.ค.) ตามเวลาสหรัฐฯ ซึ่งอยู่ในช่วงสัปดาห์เดียวกับการเปิดตัวโมเดลตระกูล GPT-5.6 สำหรับองค์กรและพาร์ตเนอร์ที่ได้รับเลือก
มุมมองผู้เขียน: การเปิดตัวครั้งนี้สะท้อนให้เห็นว่า OpenAI กำลังเดินหน้าสองทิศทางพร้อมกัน ได้แก่ การทำให้ AI สื่อสารกับมนุษย์ได้เป็นธรรมชาติมากขึ้นผ่านเสียง และการยกระดับโมเดลหลักให้รองรับงานซับซ้อนในระดับองค์กร
ที่มา: cryptopolitan
