ChatGPT hiện có thể vừa nghe vừa nói đồng thời, khiến các cuộc hội thoại AI trở nên giống con người hơn.

AI trong thực tiễn Sao chép URL vào khay nhớ tạm Chia sẻ bài viết này Đi đến phần bình luận ChatGPT hiện có thể nghe và nói cùng lúc, giúp các cuộc trò chuyện AI trở nên giống con người hơn Matthias Bastian Xem hồ sơ LinkedIn của Matthias Bastian Ngày 8/7/2026 Những điểm chính OpenAI đã giới thiệu GPT-Live, một mô hình ngôn ngữ mới cho các cuộc trò chuyện trực tiếp trong ChatGPT, có khả năng nghe và nói đồng thời nhờ kiến trúc song công hoàn toàn. Mô hình phản hồi các gián đoạn, sử dụng các từ đệm như "mhmm" để duy trì cuộc trò chuyện một cách tự nhiên và có sẵn hai phiên bản: một cho người dùng trả phí và một cho người dùng miễn phí. Đối với các tác vụ phức tạp yêu cầu tìm kiếm trên web hoặc suy luận logic, GPT-Live ủy quyền các yêu cầu cho mô hình GPT-5.5 ở chế độ nền trong khi vẫn duy trì cuộc trò chuyện, cải thiện đáng kể chất lượng câu trả lời. Hỏi về bài viết này… Tìm kiếm OpenAI giới thiệu GPT-Live, một thế hệ mô hình giọng nói mới với kiến trúc song công hoàn toàn. Mô hình có thể nghe và nói cùng lúc, đồng thời chuyển giao các tác vụ phức tạp cho GPT-5.5 ở chế độ nền. Với GPT-Live, OpenAI đang triển khai một loại mô hình giọng nói AI mới được thiết kế để làm cho việc trò chuyện với ChatGPT giống như một cuộc trò chuyện thực sự hơn. Hai phiên bản đang được triển khai trên toàn thế giới ngay lập tức. GPT-Live-1 dành cho người dùng trả phí trên các gói Go, Plus và Pro, trong khi GPT-Live-1 mini có sẵn trên các tài khoản miễn phí. Cả hai đều hoạt động trên iOS, Android và ChatGPT.com. OpenAI có kế hoạch bổ sung quyền truy cập API sớm và các nhà phát triển có thể đăng ký thông qua một biểu mẫu. Thay vì kiểu đối đáp cứng nhắc cũ, nơi người dùng nói và AI phản hồi, GPT-Live sử dụng kiến trúc song công hoàn toàn. Mô hình có thể nghe và nói cùng lúc, giống như một cuộc trò chuyện thực sự giữa con người. Đầu năm nay, Nvidia đã phát hành một mô hình mã nguồn mở tương tự có tên PersonaPlex. OpenAI cho biết GPT-Live đưa ra quyết định nhiều lần mỗi giây về việc có nên nói, tiếp tục lắng nghe, tạm dừng, ngắt lời hay gọi một công cụ. Mô hình có thể sử dụng các cụm từ đệm như "mhmm" hoặc "hiểu rồi" để báo hiệu rằng nó đang theo dõi. Người dùng có thể ngắt lời, dành một chút thời gian để suy nghĩ hoặc yêu cầu mô hình nói chậm lại. So với "Chế độ giọng nói nâng cao" trước đây, mọi người thích GPT-Live-1 trong 75,7% trường hợp và GPT-Live-1 mini trong 69,2% trường hợp, OpenAI cho biết. Ngoài các tính năng hội thoại mới, bản cập nhật còn bổ sung các thẻ trực quan mà ChatGPT Voice có thể hiển thị trong cuộc trò chuyện cho các thông tin như thời tiết, giá cổ phiếu hoặc tỷ số thể thao. OpenAI cũng đã cải tiến chín giọng nói có sẵn cho GPT-Live. Tại thời điểm ra mắt, GPT-Live không hỗ trợ Voice với video hoặc chia sẻ màn hình trong ChatGPT, mặc dù OpenAI cho biết các tính năng đó sẽ sớm ra mắt. Chế độ giọng nói tiêu chuẩn và nâng cao cũ với các tính năng này sẽ vẫn tồn tại trong thời điểm hiện tại. Ủy quyền nền cho GPT-5.5 thu hẹp khoảng cách thông minh Thay đổi lớn nhất là sự phân chia giữa quản lý cuộc trò chuyện trực tiếp và suy luận thực tế. Khi một câu hỏi cần tìm kiếm trên web, suy luận hoặc khả năng giống như tác nhân, GPT-Live sẽ chuyển giao nó cho một mô hình nền. Hiện tại, đó là GPT-5.5. Trong khi mô hình nền hoạt động, GPT-Live vẫn duy trì cuộc trò chuyện. OpenAI cho biết kiến trúc được xây dựng để GPT-Live luôn kết nối với các mô hình tiên tiến nhất. Người dùng cũng có thể chọn mức độ suy luận, từ "Tức thì" cho các câu trả lời nhanh đến "Trung bình" và "Cao" cho các tác vụ mà ChatGPT cần dành nhiều thời gian hơn để suy nghĩ. Sự ủy quyền này khắc phục một điểm yếu lớn của các mô hình trực tiếp trước đây, vốn chỉ trả lời câu hỏi dựa trên khả năng của chính chúng. Điều đó khiến chúng tụt hậu xa so với các mô hình tiên tiến và hầu như không thể sử dụng cho công việc nghiêm túc. Với GPT-Live, khoảng cách đó dường như đang được thu hẹp, và điểm chuẩn về kiến thức đã cải thiện đáng kể. Trong bài kiểm tra GPQA về suy luận khoa học, GPT-Live-1 đạt độ chính xác 84,2% ở mức suy luận cao, so với 45,3% ở Chế độ giọng nói nâng cao (Advanced Voice Mode). Khoảng cách thậm chí còn lớn hơn trên BrowseComp, một điểm chuẩn cho tìm kiếm web dựa trên tác nhân. GPT-Live-1 đạt 75,2%. Chế độ giọng nói nâng cao chỉ đạt 0,7%. Bằng cách chuyển giao các tác vụ cho GPT-5.5, GPT-Live-1 (Cao) đạt độ chính xác 75,2% trên BrowseComp cho tìm kiếm web dựa trên tác nhân, trong khi Chế độ giọng nói nâng cao chỉ đạt 0,7%. Ngay cả phiên bản Mini cũng đạt 31,6%. | Hình ảnh: OpenAI GPT-Live cũng dẫn đầu trong bài kiểm tra nội bộ tau3 Voice Telecom của OpenAI, đánh giá các tác nhân giọng nói song công hoàn toàn (full-duplex voice agents) trên các tác vụ hỗ trợ viễn thông thực tế. Tùy thuộc vào mức độ suy luận, GPT-Live-1 hoàn thành các tác vụ với tỷ lệ cao hơn nhiều đồng thời nhanh hơn. Chế độ giọng nói nâng cao hoạt động kém nhất, với tỷ lệ thành công thấp nhất và thời gian xử lý dài nhất. Trên điểm chuẩn tau3 Voice Telecom, GPT-Live-1 (Cao) giải quyết khoảng 65% tác vụ hỗ trợ trong khoảng 385 giây. Chế độ giọng nói nâng cao chỉ đạt khoảng 30% và mất cùng thời gian. GPT-Live-1 (Tức thì) đạt khoảng 37% với thời lượng ngắn hơn nhiều, khoảng 225 giây. | Hình ảnh: OpenAI AI có giọng nói giống con người hơn làm tăng rủi ro an toàn Con người có xu hướng được ghi nhận rõ ràng là đối xử với các mô hình AI như con người và để bản thân bị thuyết phục thực hiện đủ loại hành động, đôi khi với những hậu quả nghiêm trọng. Nghiên cứu cho thấy những người dùng mô hình giọng nói nhiều thậm chí còn dễ bị phụ thuộc cảm xúc vào AI hơn. Một hệ thống AI có âm thanh và phản hồi giống con người hơn nữa có thể sẽ làm tăng nguy cơ đó. OpenAI cho biết họ đã xây dựng các biện pháp an toàn được kích hoạt ngay cả khi người dùng vẫn đang nói. Hệ thống có thể hướng mô hình đến các phản hồi an toàn hơn, hiển thị thông tin an toàn bổ sung hoặc chấm dứt hoàn toàn cuộc trò chuyện trong các tình huống rủi ro cao. Các đường dây nóng khủng hoảng xuất hiện khi các chủ đề liên quan đến tự làm hại bản thân được đề cập. Đối với người dùng nhỏ tuổi, OpenAI đã huấn luyện mô hình hành xử theo cách phù hợp với lứa tuổi. Cha mẹ có thể sử dụng tính năng kiểm soát của phụ huynh để quyết định xem con mình có thể truy cập ChatGPT Voice hay không và sẽ nhận được thông báo trong các tình huống rủi ro cao. GPT-Live cũng không được thiết kế để bắt chước.