OpenAI เปิดตัว GPT-Live โมเดลเสียงรุ่นใหม่สำหรับ ChatGPT ที่ออกแบบมาให้การสนทนาด้วยเสียงใกล้เคียงกับการพูดคุยกับมนุษย์มากขึ้น โดยจุดเด่นสำคัญคือ AI สามารถ ฟังและพูดได้พร้อมกัน แทนที่จะต้องรอให้ผู้ใช้พูดจบก่อนจึงค่อยตอบเหมือนระบบเดิม
ฟีเจอร์ดังกล่าวเปิดตัวระหว่างไลฟ์สตรีมของ OpenAI เมื่อวันที่ 8 กรกฎาคม 2026 และกำลังทยอยเปิดให้ใช้งานบน ChatGPT ทั้งบน iOS, Android และเวอร์ชันเว็บ สำหรับผู้ใช้ Go, Plus และ Pro ส่วนผู้ใช้ฟรีจะได้รับโมเดล GPT-Live-1 mini เป็นค่าเริ่มต้น
เปลี่ยนจาก "ผลัดกันพูด" เป็น "คุยพร้อมกัน"
หัวใจของ GPT-Live คือระบบ Full Duplex Voice
Full Duplex หมายถึงระบบที่สามารถรับเสียงและส่งเสียงได้ในเวลาเดียวกัน คล้ายการสนทนาระหว่างคนจริง ๆ ต่างจากระบบเสียงรุ่นก่อนที่ทำงานแบบผลัดกันพูด (Turn-based) ซึ่ง AI จะเริ่มตอบได้ก็ต่อเมื่อผู้ใช้พูดจบแล้ว
OpenAI ระบุว่าการเปลี่ยนแปลงนี้ช่วยลดช่วงเงียบระหว่างบทสนทนา ทำให้ AI เข้าใจจังหวะการพูดได้ดีขึ้น และไม่ขัดจังหวะผู้ใช้บ่อยเหมือนที่ผ่านมา
AI สามารถตอบรับระหว่างฟังได้
อีกหนึ่งความสามารถใหม่คือ GPT-Live สามารถแสดงปฏิกิริยาระหว่างที่ผู้ใช้กำลังพูด เช่น
"อืม"
"เข้าใจแล้ว"
"โอเค"
"ได้เลย"
คำตอบสั้น ๆ เหล่านี้ช่วยให้บทสนทนาดูเป็นธรรมชาติมากขึ้น และทำให้ผู้ใช้รู้ว่า AI ยังคงรับฟังอยู่ แม้จะยังไม่ตอบคำถามทั้งหมดในทันที
รองรับการแปลภาษาแบบเรียลไทม์
OpenAI ยังเพิ่มความสามารถด้าน Live Translation หรือการแปลภาษาระหว่างสนทนา
ต่างจากระบบเดิมที่ต้องรอให้ผู้พูดพูดจบก่อนจึงเริ่มแปล GPT-Live สามารถเริ่มแปลได้ระหว่างที่ผู้ใช้กำลังพูด ทำให้การสนทนาระหว่างคนที่ใช้คนละภาษาลื่นไหลมากขึ้น
ฟีเจอร์นี้เหมาะกับการเดินทาง การประชุมระหว่างประเทศ หรือการสื่อสารกับผู้ที่ใช้ภาษาต่างกัน
ใช้ GPT-5.5 ช่วยตอบคำถามที่ซับซ้อน
แม้ GPT-Live จะเป็นโมเดลสำหรับการสนทนาด้วยเสียง แต่เมื่อผู้ใช้ถามคำถามที่ต้องใช้เหตุผล การค้นหาข้อมูล หรือการวิเคราะห์ที่ซับซ้อน ระบบสามารถส่งต่อคำถามไปยังโมเดลข้อความ เช่น GPT-5.5 ก่อนนำคำตอบกลับมาอธิบายด้วยเสียงได้โดยอัตโนมัติ
นอกจากนี้ หากเป็นหัวข้ออย่างสภาพอากาศ กีฬา หรือหุ้น ระบบยังสามารถแสดงภาพประกอบหรือข้อมูลเพิ่มเติมบนหน้าจอระหว่างการสนทนาได้
เพิ่มมาตรการด้านความปลอดภัย
OpenAI ระบุว่า GPT-Live ได้รับการออกแบบให้มีมาตรการด้านความปลอดภัยเพิ่มเติม โดยเฉพาะการสนทนาเกี่ยวกับสุขภาพจิตและสถานการณ์ที่มีความเสี่ยง
บริษัทระบุว่าโมเดลได้รับการฝึกให้สามารถแนะนำช่องทางช่วยเหลือที่ผ่านการตรวจสอบจากผู้เชี่ยวชาญในกรณีที่ผู้ใช้พูดถึงการทำร้ายตัวเอง รวมถึงปรับการตอบสนองให้เหมาะสมกับผู้ใช้อายุน้อยมากขึ้น
สะท้อนการแข่งขันของ AI ด้านเสียง
การเปิดตัว GPT-Live เกิดขึ้นในช่วงที่หลายบริษัทกำลังแข่งขันพัฒนา AI ที่สามารถสนทนาได้แบบเรียลไทม์
ก่อนหน้านี้ OpenAI ได้เปิดตัวโมเดลเสียงสำหรับนักพัฒนาผ่าน API เช่น GPT-Realtime-2, GPT-Realtime-Translate และ GPT-Realtime-Whisper เพื่อใช้สร้างแอปที่รองรับการพูด การแปล และการถอดเสียงแบบเรียลไทม์
GPT-Live จึงเป็นการนำเทคโนโลยีดังกล่าวมาปรับใช้กับ ChatGPT โดยตรง เพื่อให้ผู้ใช้งานทั่วไปได้รับประสบการณ์การสนทนาที่เป็นธรรมชาติมากขึ้น
บทสรุป
GPT-Live ถือเป็นการอัปเกรดครั้งสำคัญของ ChatGPT ด้านการสนทนาด้วยเสียง ด้วยความสามารถในการฟังและพูดพร้อมกัน ลดการขัดจังหวะ รองรับการแปลภาษาแบบเรียลไทม์ และเชื่อมต่อกับโมเดล GPT-5.5 เมื่อต้องตอบคำถามที่ซับซ้อน
การเปิดตัวครั้งนี้สะท้อนทิศทางของ AI ที่กำลังพัฒนาจากแชตบอตแบบถาม-ตอบ ไปสู่ผู้ช่วยที่สามารถสนทนาได้อย่างต่อเนื่องและเป็นธรรมชาติมากขึ้น สิ่งที่น่าจับตาต่อจากนี้คือ GPT-Live จะได้รับการต่อยอดด้วยความสามารถด้านภาพ วิดีโอ และการทำงานร่วมกับอุปกรณ์ต่าง ๆ มากน้อยเพียงใดในอนาคต
ที่มา techcrunch
ความคิดเห็น