Ngày 23/9, OpenAI cập nhật chế độ giọng nói của ChatGPT với ba thay đổi cùng lúc: giọng nói có thể gọi plugin như email, lịch và Slack; giọng nói có thể chạy trên ba mô hình GPT-6, tức Astra, Sol và Luna; phiên bản web và di động của ChatGPT Work cũng được tích hợp giọng nói. Bản cập nhật bắt đầu triển khai ngay trong ngày.
Ba thay đổi
Plugin bước vào giọng nói. Trước đây dùng plugin phải gõ chữ, giờ chỉ cần nói vào điện thoại, ChatGPT có thể vào hộp thư kiểm tra, xem lịch, tìm tin nhắn trong Slack. Các ứng dụng đã kết nối được nhiều báo nhắc tới gồm Gmail, Lịch Google và Slack.
Có thể chọn mô hình. Ba mô hình GPT-6 có phân công khác nhau: Astra mạnh nhất, Sol ở giữa, Luna nhỏ nhất. Astra đã ra mắt vài tuần trước, còn Sol và Luna vừa được nâng cấp từ GPT-5.6 lên GPT-6 vào ngày 22/9, và chế độ giọng nói đã kết nối cả ba mô hình ngay ngày hôm sau.
Vào ChatGPT Work. Work là không gian làm việc của OpenAI dành cho các tác vụ nhiều bước như tài liệu, bảng tính, bản trình bày và trang web; sau khi tích hợp giọng nói, người dùng có thể nói ra yêu cầu để tạo file. Vaibhav Srivastav, nhân viên OpenAI, mô tả trên mạng xã hội:
"Your email, calendar, Slack + docs, decks, sites and spreadsheets, just by talking."
Tóm lại: email, lịch, Slack, cùng tài liệu, bản trình bày, trang web và bảng tính — chỉ cần nói là xong.
9to5Mac ví điều này giống như Codex trên máy tính để bàn, chỉ khác là nó xuất hiện ở nhiều nơi hơn.
Những gói nào dùng được giọng nói gọi plugin, người dùng miễn phí có được tính hay không, và khi giọng nói gọi plugin thao tác có cần xác nhận từng bước hay không — những điểm này chưa được nêu rõ trong tài liệu công khai.
Từ trò chuyện đến làm việc thật
Nối các lần cập nhật giọng nói từng được đưa tin, có thể thấy trọng tâm của OpenAI về giọng nói đang dịch chuyển. Đợt tháng 7, giọng nói ChatGPT chuyển sang mô hình giọng nói GPT-Live, chủ lực là song công toàn phần, có thể vừa nghe vừa nói, cho phép ngắt lời giữa chừng, cải tiến chủ yếu tập trung vào nhịp độ hội thoại, còn việc người dùng có thể nhờ nó làm gì thì gần như không đổi.
Lần này thay đổi nằm ở mô hình suy luận phía sau và các công cụ có thể gọi. Cùng một cửa ngõ "giọng nói", từ một công cụ trò chuyện trở thành cửa ngõ thao tác có thể chạm vào dữ liệu người dùng. Điều này cũng kéo theo vấn đề quyền hạn mới: một câu lệnh nói mơ hồ khiến trợ lý gửi email hay đổi lịch, cái giá phải trả khi sai lớn hơn nhiều so với việc trả lời sai một câu hỏi.
Ý nghĩa với người dùng trong nước (Trung Quốc)
ChatGPT chưa chính thức cung cấp dịch vụ tại Trung Quốc đại lục, còn Gmail và Lịch Google — hai ứng dụng được kết nối chính trong đợt cập nhật này — cũng không thể truy cập trực tiếp tại đại lục, nên gần như không ảnh hưởng trực tiếp tới người dùng phổ thông trong nước.
Người dùng nói tiếng Trung làm việc ở nước ngoài, hằng ngày dùng bộ ứng dụng Google và Slack, có thể dùng ngay tính năng này. Với các nhóm trong nước, hướng tham khảo là: trợ lý giọng nói giờ không chỉ kết nối với mô hình, mà còn có quyền đọc/ghi vào các hệ thống văn phòng như email, lịch, nhắn tin tức thời. Các nhà cung cấp trong nước cũng đang làm điều tương tự, mô hình giọng nói Qwen trước đó đã bắt đầu hỗ trợ gọi công cụ, nhưng sản phẩm để giọng nói trực tiếp đọc/ghi email và lịch văn phòng vẫn còn hiếm.
Trong bối cảnh văn phòng trong nước, đối tượng tương ứng là email và lịch của WeCom, DingTalk, Feishu; hãng nào kết nối được cửa ngõ giọng nói với quyền đọc/ghi của các hệ thống này trước, đồng thời xử lý tốt cơ chế xác nhận khi thao tác nhầm, sẽ là điểm đáng chú ý của vòng cạnh tranh trợ lý giọng nói tiếp theo.
Nguồn tham khảo: tài khoản mạng xã hội chính thức của OpenAI, 9to5Mac, CocoLoop, Android Headlines; thời điểm nâng cấp ba mô hình GPT-6 và phạm vi tích hợp giọng nói lấy theo thông tin công bố chính thức của OpenAI.