OpenAI giới thiệu GPT-Live, một thế hệ mô hình giọng nói mới hiện đang cung cấp năng lượng cho ChatGPT Voice. Điểm khác biệt chính: GPT-Live có thể vừa nghe vừa nói cùng lúc.
Trước đây, các trải nghiệm giọng nói của ChatGPT, bao gồm Chế độ giọng nói nâng cao, chủ yếu hoạt động theo lượt: bạn nói, hệ thống đợi, rồi trả lời. GPT-Live chạy theo cơ chế song công toàn phần (full-duplex): nó xử lý âm thanh đầu vào trong khi vẫn tạo đầu ra, đồng thời quyết định nhiều lần mỗi giây xem nên nói tiếp, lắng nghe, tạm dừng, ngắt lời hay gọi công cụ.
Nói cách khác, GPT-Live hướng tới một cuộc hội thoại giống người hơn: có thể “ừm” khi bạn đang giải thích, đợi khi bạn suy nghĩ, hoặc tiếp tục tự nhiên khi bạn ngắt lời giữa câu.
GPT-Live sơ lược
| Chi tiết | |
|---|---|
| Công bố | Ngày 8 tháng 7 năm 2026 |
| Là gì | Họ mô hình giọng nói song công toàn phần cung cấp năng lượng cho ChatGPT Voice |
| Các biến thể | GPT-Live-1, GPT-Live-1 mini, GPT-Live-1 Medium, GPT-Live-1 High |
| Hệ thống phụ trợ | GPT-5.5 Instant cho GPT-Live-1 và mini; GPT-5.5 Thinking cho Medium và High |
| Mặc định cho bản trả phí | GPT-Live-1 cho Go, Plus, Pro |
| Mặc định cho bản miễn phí | GPT-Live-1 mini |
| Nền tảng | iOS, Android, chatgpt.com |
| Chia sẻ video / màn hình | Chưa có khi ra mắt |
| API | Chưa có sẵn; OpenAI cho biết sẽ đưa lên API “sớm” |
Bốn biến thể GPT-Live
GPT-Live được phát hành dưới dạng một gia đình mô hình. Theo OpenAI:
- GPT-Live-1 và GPT-Live-1 mini sử dụng GPT-5.5 Instant ở phía sau.
- GPT-Live-1 Medium và GPT-Live-1 High sử dụng GPT-5.5 Thinking với mức nỗ lực suy luận từ trung bình đến cao.
Điều này có nghĩa là lớp giọng nói chịu trách nhiệm duy trì cuộc trò chuyện thời gian thực, còn phần suy luận phức tạp hơn được hỗ trợ bởi GPT-5.5.
Cách hiểu thực tế:
- GPT-Live-1: lựa chọn mặc định cho người dùng Go, Plus và Pro.
- GPT-Live-1 mini: lựa chọn mặc định cho người dùng miễn phí.
- GPT-Live-1 Medium / High: phù hợp hơn với các câu hỏi cần suy luận sâu, nhưng có thể đánh đổi bằng tốc độ phản hồi.
Ý tưởng kiến trúc: song công toàn phần + ủy quyền
GPT-Live không chỉ “nói nhanh hơn”. Kiến trúc quan trọng hơn gồm hai phần:
- Song công toàn phần: mô hình có thể nghe và nói đồng thời.
- Ủy quyền tác vụ: khi câu hỏi cần tìm kiếm, suy luận hoặc khả năng tác nhân phức tạp, GPT-Live có thể chuyển nhiệm vụ cho mô hình khác như GPT-5.5, rồi đưa kết quả trở lại cuộc trò chuyện.
Đây là cách giải bài toán quen thuộc của AI giọng nói:
- Mô hình đủ nhanh cho hội thoại thời gian thực thường không đủ sâu cho câu hỏi khó.
- Mô hình đủ mạnh cho câu hỏi khó thường quá chậm để nói chuyện tự nhiên.
GPT-Live tách hai việc này ra. Lớp giọng nói tiếp tục duy trì cuộc trò chuyện, còn mô hình mạnh hơn xử lý tác vụ ở nền. Với người dùng, cuộc hội thoại không bị “đóng băng” trong lúc hệ thống suy nghĩ.
Những gì GPT-Live có thể làm khi ra mắt
Khi ra mắt, GPT-Live hỗ trợ các khả năng chính sau:
- Tìm kiếm web: tác vụ được ủy quyền và kết quả được tích hợp lại vào hội thoại.
- Dịch trực tiếp: hỗ trợ dịch giữa các ngôn ngữ trong cuộc trò chuyện.
- Thẻ hình ảnh trên màn hình: ví dụ thời tiết, chứng khoán, thể thao.
- Tải lên hình ảnh và tệp trong phiên giọng nói.
- Bộ nhớ: nhất quán với phần còn lại của ChatGPT.
Điểm cần lưu ý: GPT-Live chưa hỗ trợ chia sẻ video hoặc màn hình khi ra mắt. Chế độ giọng nói nâng cao vẫn giữ các khả năng đó cho người đăng ký đủ điều kiện.
Nếu workflow của bạn phụ thuộc vào việc chia sẻ màn hình hoặc đưa camera vào vật thể, hãy kiểm tra kỹ trước khi chuyển sang GPT-Live. Bạn có thể đọc thêm tại GPT-Live so với Chế độ giọng nói nâng cao.
Các điểm chuẩn OpenAI công bố
OpenAI đưa ra ba nhóm đánh giá, chủ yếu so sánh GPT-Live với Chế độ giọng nói nâng cao, không phải với sản phẩm đối thủ.
GPQA
GPT-Live-1 được mô tả là “vượt trội đáng kể” trong khả năng suy luận khoa học cấp chuyên gia ở các lĩnh vực sinh học, hóa học và vật lý.
BrowseComp
OpenAI cho biết GPT-Live có “tiến bộ mạnh mẽ” trong tìm kiếm web tác nhân và truy xuất thông tin khó tìm.
τ³-Voice Telecom
Đây là một biến thể nội bộ để đánh giá các tác vụ hỗ trợ viễn thông đa lượt trong tình huống thực tế. OpenAI báo cáo GPT-Live hoạt động tốt hơn trong nhóm tác vụ này.
Cách đọc các benchmark này:
- Đây là số liệu do nhà cung cấp báo cáo.
- Chưa có đầy đủ điểm số công khai, số liệu độ trễ hoặc thông tin giá.
- Các so sánh với đối thủ sẽ rõ hơn khi sản phẩm đã được thử nghiệm rộng rãi.
Nếu bạn đang đánh giá hệ sinh thái giọng nói AI, hãy xem các benchmark này như tín hiệu định hướng, không phải bảng điểm cuối cùng. Các bài so sánh sẽ hữu ích hơn khi có dữ liệu thực tế sau khi triển khai.
Nhà phát triển nên làm gì lúc này?
Hiện tại chưa có API GPT-Live. OpenAI cho biết họ có kế hoạch đưa GPT-Live lên API “sớm”, nhưng chưa công bố thời điểm cụ thể.
Nếu bạn đang xây dựng sản phẩm giọng nói hôm nay, hướng thực tế là dùng Realtime API, hiện hỗ trợ:
- Dòng
gpt-realtime-2.1 - WebSocket
- WebRTC
- Gọi điện thoại SIP
- Máy chủ MCP
Để tránh nhầm lẫn:
- GPT-Live: trải nghiệm giọng nói mới trong ChatGPT Voice.
- GPT-Realtime / Realtime API: nền tảng hiện có để nhà phát triển xây dựng tác nhân giọng nói thời gian thực.
Bạn có thể đọc thêm:
Checklist triển khai prototype giọng nói với Realtime API
Nếu mục tiêu của bạn là prototype voice agent ngay bây giờ, hãy tách hệ thống thành các phần dễ kiểm thử:
-
Client âm thanh
- Thu âm từ microphone.
- Gửi luồng âm thanh qua WebSocket hoặc WebRTC.
- Phát lại âm thanh phản hồi.
-
Session Realtime
- Khởi tạo phiên.
- Theo dõi event streaming.
- Xử lý trạng thái: đang nghe, đang trả lời, bị ngắt lời, lỗi kết nối.
-
Tool / backend
- Tách logic nghiệp vụ khỏi lớp giọng nói.
- Mock API nội bộ khi chưa có backend thật.
- Ghi log payload để dễ debug.
-
Kiểm thử hội thoại
- Test trường hợp người dùng ngắt lời.
- Test kết nối chập chờn.
- Test câu hỏi cần gọi tool.
- Test latency từ lúc nói đến lúc có phản hồi.
Khi tạo prototype với Realtime API, Apidog có thể hỗ trợ các phần như kiểm thử phiên WebSocket, kiểm tra event streaming và mock backend để client không bị chặn bởi kết nối mô hình trực tiếp.
Cách thử GPT-Live trong ChatGPT
GPT-Live được triển khai toàn cầu theo từng giai đoạn trên iOS, Android và chatgpt.com.
Để kiểm tra tài khoản của bạn:
- Cập nhật ứng dụng ChatGPT lên phiên bản mới nhất.
- Mở tính năng Giọng nói.
- Kiểm tra mô hình giọng nói đang phản hồi.
- Nếu bạn dùng gói trả phí, GPT-Live-1 sẽ là mặc định khi đã được triển khai.
- Nếu bạn dùng gói miễn phí, GPT-Live-1 mini sẽ là mặc định khi đã được triển khai.
Nếu chưa thấy thay đổi, có thể rollout chưa đến tài khoản hoặc khu vực của bạn.
Hướng dẫn chi tiết hơn về thiết lập, chuyển đổi biến thể và CarPlay được đề cập trong cách sử dụng GPT-Live.
Vì sao GPT-Live quan trọng với developer?
Trong hai năm qua, giọng nói là giao diện AI rất ấn tượng khi demo, nhưng khó đưa vào sản phẩm thật. Lý do chính là trải nghiệm theo lượt khiến trợ lý giống bộ đàm: người dùng nói xong, đợi, rồi mới nghe phản hồi.
GPT-Live cho thấy một hướng kiến trúc khác:
- Hội thoại là liên tục, không phải từng lượt rời rạc.
- Mô hình giọng nói xử lý nhịp trò chuyện.
- Tác vụ khó được ủy quyền cho mô hình mạnh hơn.
- Kết quả được đưa trở lại cuộc hội thoại khi sẵn sàng.
Phiên bản API cho kiến trúc này chưa có, nhưng OpenAI nói sẽ ra mắt “sớm”. Cho đến lúc đó, Realtime API vẫn là đường dẫn thực tế để xây dựng voice agent hoạt động được hôm nay.
Câu hỏi thường gặp
GPT-Live là gì trong một câu?
GPT-Live là họ mô hình giọng nói song công toàn phần của OpenAI cung cấp năng lượng cho ChatGPT Voice: nó vừa nghe vừa nói, có thể giao tiếp phụ tự nhiên và ủy quyền các câu hỏi khó cho GPT-5.5 ở nền.
GPT-Live có miễn phí không?
Có. Người dùng gói miễn phí nhận GPT-Live-1 mini làm mô hình giọng nói mặc định. Người dùng Go, Plus và Pro nhận GPT-Live-1.
GPT-Live có hỗ trợ chia sẻ video hoặc màn hình không?
Không khi ra mắt. Chế độ giọng nói nâng cao vẫn giữ khả năng chia sẻ video và màn hình cho người đăng ký đủ điều kiện. OpenAI cho biết họ đang nỗ lực đưa các tính năng này vào GPT-Live sớm.
Có API GPT-Live không?
Hiện tại chưa. OpenAI có kế hoạch đưa GPT-Live lên API. Trong lúc chờ, nhà phát triển có thể xây dựng tác nhân giọng nói trên Realtime API.
Mô hình nào cung cấp năng lượng cho GPT-Live?
GPT-Live-1 và GPT-Live-1 mini chạy trên GPT-5.5 Instant. GPT-Live-1 Medium và GPT-Live-1 High sử dụng GPT-5.5 Thinking với mức nỗ lực suy luận từ trung bình đến cao.
Top comments (0)