OpenAI ปล่อยโมเดลเสียงใหม่ GPT-Live-1 ให้คุยโต้ตอบได้สมจริงกว่าที่เคย
พร้อมโหมดโต้ตอบที่ฉลาดและเป็นธรรมชาติมากขึ้น
OpenAI เพิ่งเปิดตัวโมเดลเสียงล่าสุดในชื่อ GPT-Live-1 และ GPT-Live-1 mini ซึ่งถูกพัฒนามาให้มีน้ำเสียงที่ฟังดูเป็นธรรมชาติและจัดการจังหวะการสนทนาได้ดีเยี่ยมกว่าเดิม เทคโนโลยีนี้เป็นแบบฟูลดูเพล็กซ์ที่ทำให้ระบบสามารถพูดและฟังไปพร้อมกันได้ ช่วยให้สามารถขัดจังหวะเพื่อถามแทรกได้เหมือนการคุยกับเพื่อนจริงๆ รวมถึงยังรองรับการแปลภาษาแบบสดๆ ได้อย่างลื่นไหลอีกด้วย
สำหรับผู้ใช้งาน ChatGPT เวอร์ชันเสียเงินจะได้เข้าถึงโมเดลตัวเต็มอย่าง GPT-Live-1 ส่วนเวอร์ชันปกติจะถูกเปลี่ยนมาใช้ GPT-Live-1 mini เป็นค่าเริ่มต้นแทน การอัปเกรดนี้เป็นการแก้ปัญหาเดิมจากระบบเก่าที่ต้องอาศัยการแปลงเสียงเป็นข้อความแล้วค่อยส่งกลับมา ทำให้มีความล่าช้าและมักจะตัดบทผู้ใช้งานบ่อยครั้ง แต่โมเดลตัวใหม่นี้ฉลาดขึ้นมากและสามารถส่งข้อมูลไปประมวลผลต่อกับ GPT-5.5 ได้ทันทีหากต้องการค้นหาข้อมูลหรือทำภารกิจที่ซับซ้อน
ความน่าสนใจอีกอย่างคือโมเดลนี้สามารถรอจังหวะการสนทนาได้อย่างนิ่งเงียบจนกว่าจะถูกเรียกใช้งาน แถมยังสามารถแสดงข้อมูลในรูปแบบภาพได้ด้วย ซึ่งสอดคล้องกับแนวโน้มเทคโนโลยีในปัจจุบันที่สตาร์ทอัปหลายแห่งหันมาเน้นการโต้ตอบที่เห็นภาพชัดเจนมากขึ้น ทางด้าน Atty Eleti ผู้นำผลิตภัณฑ์ ChatGPT Voice เล่าว่า ตนเองเคยใช้เวลาคุยกับโหมดเสียงนี้ยาวนานถึง 30-40 นาทีระหว่างเดินออกกำลังกายมาแล้ว
OpenAI เชื่อว่าเสียงจะเป็นอินเทอร์เฟซหลักของการใช้งานคอมพิวเตอร์ในอนาคต โดยเฉพาะกับงานที่ต้องใช้การคิดวิเคราะห์หลายขั้นตอน แม้ว่าจะมีข่าวลือเรื่องการพัฒนาหูฟัง AI ออกมาให้ลุ้นกัน แต่ในงานนี้ยังไม่มีการเปิดเผยข้อมูลเกี่ยวกับอุปกรณ์ฮาร์ดแวร์ใดๆ ออกมาให้เห็น เป้าหมายสูงสุดคือการทำให้ผู้ใช้งานสามารถสั่งงานด้วยเสียงเพื่อจัดการงานที่ยุ่งยากได้แบบแฮนด์ฟรีโดยสมบูรณ์
ในขณะที่คู่แข่งอย่าง Apple และ Amazon ต่างก็พยายามพัฒนาผู้ช่วยอัจฉริยะให้มีความเป็นมนุษย์มากขึ้น แต่ OpenAI ยังคงย้ำชัดเจนว่าไม่ได้ต้องการสร้าง AI มาเพื่อเป็นเพื่อนแก้เหงา แต่เน้นไปที่เครื่องมือการทำงานมากกว่า โดยมีการติดตั้งระบบป้องกันความปลอดภัยเพื่อคัดกรองเนื้อหาให้เหมาะสมกับวัย และมีระบบช่วยเหลือหากมีการสนทนาในหัวข้อที่เสี่ยงต่ออันตราย
อย่างไรก็ตาม ระบบใหม่นี้ยังคงมีสิ่งที่ต้องปรับปรุงกันต่อไป เพราะจากการทดสอบฟีเจอร์แปลภาษาฮินดี พบว่ายังคงมีสำเนียงอเมริกันที่ฟังดูขัดหูและน้ำเสียงมีความเป็นทางการเกินไป ทางบริษัทระบุว่าโหมดใหม่นี้ถูกปรับแต่งมาเพื่อรองรับภาษาที่ใช้กันแพร่หลายเป็นหลัก แต่ยังไม่ได้ระบุรายชื่อภาษาทั้งหมดที่ใช้งานได้จริงในตอนนี้ ซึ่งถือเป็นก้าวสำคัญที่ต้องรอชมกันต่อไปว่าจะพัฒนาไปได้ไกลแค่ไหน
