Chuyên mục: CNTT - Viễn thông

OpenAI ra mắt mô hình ngôn ngữ có thể nghe nói đồng thời

10 giờ trước

OpenAI ra mắt mô hình giọng nói GPT-Live có khả năng nghe và nói đồng thời, đặt cược rằng giọng nói sẽ trở thành giao diện chính của AI với các mô hình mới.

OpenAI hôm thứ Tư đã ra mắt GPT-Live, một dòng mô hình giọng nói mới có khả năng nghe và nói đồng thời trong thời gian thực.

Vào tháng 5, OpenAI đã giới thiệu ba mô hình âm thanh cho nền tảng dành cho nhà phát triển của mình, nhằm mục đích làm cho các tác nhân phần mềm dựa trên giọng nói trở nên có khả năng đàm thoại tốt hơn và có thể hoàn thành nhiệm vụ trong thời gian thực.

Mô hình Live-1 có thể đồng thời nói và lắng nghe thời gian thực vừa được OpenAI ra mắt.

Hai mô hình mới, GPT-Live-1 và một phiên bản thu nhỏ Live-1-mini, hiện đang được triển khai cho tất cả người dùng ChatGPT .

Bộ đôi mô hình mới dựa trên các mô hình tiên tiến nhất của OpenAI. Bạn có thể chọn từ ba cấp độ thông minh khác nhau, tùy thuộc vào mức độ chi tiết mà bạn muốn nhận được. Nhưng bản cập nhật lớn nhất là giọng nói nghe tự nhiên và giống người hơn, luật sư Eleti, trưởng nhóm sản phẩm giọng nói ChatGPT, cho biết với các phóng viên.

Một trong những thay đổi lớn nhất bên trong hệ thống là một quy trình mới gọi là tương tác liên tục. Khung này cho phép AI đồng thời nhận thông tin và tạo ra đầu ra - vì vậy, trong trường hợp giọng nói, nó có thể "nghe" và "nói" cùng một lúc. Đây là một sự thay đổi so với các chế độ giọng nói trước đây chỉ có thể phản hồi sau khi bạn nói xong.

Tính năng này rất hữu ích nếu bạn muốn thực hiện dịch thuật trực tiếp, đồng thời: Bạn có thể nói bằng tiếng Anh và ChatGPT sẽ dịch những gì bạn nói sang tiếng Tây Ban Nha, tiếng Hindi hoặc một ngôn ngữ khác với độ trễ rất ngắn.

Nó cũng sử dụng công nghệ thiết kế AI mới hơn của OpenAI để tạo ra một số câu trả lời trực quan khi thích hợp, "vì đôi khi câu trả lời tốt nhất được hiển thị chứ không phải nói ra", Eleti nói. Hãy nghĩ đến các bản tin thời tiết, tỷ số thể thao và các loại đồ họa khác.

Ví dụ về đồ họa mà ChatGPT sẽ tạo ra nếu bạn yêu cầu nó cung cấp báo cáo thời tiết khi đang ở chế độ thoại.

Các mô hình giọng nói mới này hiện đã có sẵn cho tất cả người dùng ChatGPT, bao gồm cả người dùng miễn phí và người đăng ký trả phí, trên ứng dụng di động và trang web. Đừng lo lắng nếu bạn không thấy ngay; OpenAI cho biết có thể mất một hoặc hai ngày để đảm bảo mọi người đều có quyền truy cập. Điều này hoàn toàn độc lập với bản phát hành GPT-5.6 dự kiến vào thứ Năm .

Bạn sẽ nhận thấy một trong những cách mà giọng nói AI cố gắng bắt chước giọng nói của con người là bằng cách sử dụng các từ đệm – những từ như “ừm”, “à” và “kiểu như” mà chúng ta thường dùng khi suy nghĩ thành tiếng. Những từ này được thêm vào trong bản cập nhật này. Bạn cũng có thể ngắt lời nó với độ trễ ít hơn. Bạn có thể để nó im lặng lắng nghe, chỉ phản hồi khi được gọi tên bằng từ khóa kích hoạt. Tuy nhiên, không giống như Siri và Alexa, ChatGPT sẽ chủ động lắng nghe cho đến khi bạn tắt nó thủ công.

OpenAI tự động loại bỏ bạn khỏi quá trình huấn luyện AI bằng chế độ giọng nói. Các đoạn âm thanh được lưu trữ trong 30 ngày - để AI có ngữ cảnh từ các cuộc hội thoại trước đó - và có thể bị xóa.

Tuy nhiên, việc sở hữu một trí tuệ nhân tạo (AI) có cảm giác giống con người hơn cũng tiềm ẩn rủi ro. Chúng ta đã chứng kiến nhiều trường hợp (và vụ kiện) về những tác hại mà việc nhân cách hóa AI có thể gây ra, đặc biệt là đối với những người đang gặp vấn đề về sức khỏe tâm thần.

OpenAI cho biết các mô hình mới đã mở rộng các biện pháp bảo vệ và hoạt động tốt hơn các mô hình trước đây trong "các lĩnh vực an toàn chính" bao gồm tự gây hại, rối loạn tâm thần, bạo lực và nội dung tình dục.