GPT-Live-1 โมเดลเสียงรุ่นใหม่จาก OpenAI สู่การแปลภาษาเรียลไทม์

OpenAI ประกาศเปิดตัว GPT-Live-1 โมเดลเสียงรุ่นใหม่ที่ได้รับการยกเครื่องและอัปเกรดไปอีกขั้น สามารถพูดคุยตอบโต้กับผู้ใช้งานได้อย่างเป็นธรรมชาติ ที่สามารถให้ผู้ใช้งานพูดแทรกหรือขัดจังหวะการสนทนากับ AI ได้เหมือนสนทนากับคนจริง พร้อมฟีเจอร์ที่จะนำไปสู่ระบบแปลภาษาแบบเรียลไทม์

 

เดิมระบบ AI แปลงเสียงอาศัยโมเดลสามตัวทำงานประสานกัน ตั้งแต่แปลงเสียงไปเป็นข้อความแล้วส่งให้ AI ประมวผล จากนั้นจึงนำคำตอบดังกล่าวแปลงกลับมาเป็นเสียงพูด แต่สำหรับ GPT-Live-1 ที่มี GPT-5.5 อยู่เบื้องหลัง ไม่เพียงย่นขั้นตอนเหล่านั้นให้เหลือเพียงโมเดลเดียว แต่ยังสามารถพูดและฟังพร้อมกันได้อีกด้วย

 

คุณสมบัตินี้จะช่วยลดจุดด้อยดั้งเดิมที่ AI ต้องรอให้เราพูดจบก่อน หรือเกิดข้อติดขัดระหว่างการสนทนา GPT-Live-1 สามารถตอบสนองต่อเนื่องหาการพูดแบบเรียลไทม์ ทั้งการพูดแทรก เปลี่ยนเรื่อง หรือหยุดกะทันหัน ประมวลผลเนื้อหาที่ผู้ใช้งานพูดแบบเรียลไทม์ตลอดเวลา พร้อมสามารถเงียบฟังเพื่อรอเก็บคำพูดของคู่สนทนาอย่างรอบด้านอีกด้วย

 

อีกส่วนที่โดดเด่นคือคุณสมบัติในการตอบโต้แบบทันท่วงที จากเดิมที่เคยมีระยะเวลาหน่วงหลักวินาทีหรือระยะเวลาเล็กน้อย โมเดลนี้มีอัตราการตอบสนองแทบจะทันที นอกจากนี้ระหว่างการพูดของผู้ใช้งานยังสามารถตอบรับระหว่างการพูด เช่น อืม ใช่ หรือเข้าใจแล้ว ใกล้เคียงกับคนจริงยิ่งขึ้น และอาจนำไปสู่ AI แปลภาษาแบบเรียลไทม์

 

อย่างไรก็ตาม GPT-Live-1 ยังมีข้อจำกัดในการใช้งานจริง การแปลภาษาแบบเรียลไทม์พบว่ายังมีการติดสำเนียงอเมริกันค่อนข้างมาก ภาษาทีใช้ก็ยังเป็นภาษาหนังสือทางการมากกว่าจะเป็นภาษาพูดตามธรรมชาติ แม้จะเป็นภาษาที่มีคนใช้มหาศาลอย่างฮินดี แสดงให้เห็นว่ายังต้องได้รับการปรับปรุงเพิ่มเติม

 

ปัจจุบัน GPT-Live-1 เริ่มทยอยเปิดให้ใช้งานแล้ว โดยเริ่มต้นจากสมาชิกระดับ Plus ขึ้นไป