ChatGPT Live อาจเปลี่ยนการพูดคุยกับ AI ให้รู้สึกเหมือนในภาพยนตร์ Sci-Fi

Key takeaway

• GPT-Live ใช้สถาปัตยกรรมแบบ Full-Duplex ที่ทำให้ระบบสามารถฟังและพูดพร้อมกันได้จริงในเวลาเดียวกัน ซึ่งแก้ปัญหา Latency และความฝืดที่เป็นจุดอ่อนของ Voice AI มาตลอด พร้อมรองรับการ Interrupt, การหยุดกลางคัน และการปรับ Pace ในการสนทนาได้แบบ Real-Time
• เมื่อมีคำถามที่ซับซ้อนหรือต้องการ Web Search และ Deep Reasoning GPT-Live จะ Delegate Task ไปยัง GPT-5.5 ทำงานใน Background โดยที่การสนทนาหลักยังคงดำเนินต่อเนื่องได้โดยไม่สะดุด ซึ่งถือเป็น Design Pattern ที่น่าสนใจในแง่ Agentic Architecture
• GPT-Live พร้อม Roll Out บน iOS, Android และ Web โดยแบ่ง Tier ระหว่าง GPT-Live-1 สำหรับผู้ใช้ Go/Plus/Pro และ GPT-Live-1 Mini สำหรับ Free User แต่ยังมีข้อจำกัดที่ Video และ Screen Sharing ยังไม่รองรับใน Launch นี้

AI Voice Assistant ไล่ตามความฝันแบบ Sci-Fi มานานหลายปี แต่ก็ยังคงสะดุดกับปัญหาเดิม ไม่ว่าจะเป็นการต้องรอคิวพูดอย่างชัดเจน การหยุดพักระหว่างประโยคที่ฟังดูฝืน หรือความล่าช้าหลายวินาทีก่อนที่ระบบจะ Respond กลับมา ล่าสุด OpenAI กำลัง Roll Out GPT-Live ซึ่งเป็น Voice Model ใหม่สำหรับ ChatGPT Voice ที่ออกแบบมาเพื่อให้การสนทนาด้วยเสียงรู้สึกเร็วขึ้นและเป็นธรรมชาติยิ่งขึ้น

การอัปเกรดสำคัญครั้งนี้คือสิ่งที่ OpenAI เรียกว่า Full-Duplex Architecture หรือพูดง่ายๆ ก็คือ GPT-Live สามารถฟังและพูดพร้อมกันได้ในเวลาเดียวกัน โดย Process เสียงของ User อย่างต่อเนื่องแม้ขณะที่กำลัง Generate Response อยู่ ทำให้ระบบสามารถตัดสินใจได้อย่างฉับไวว่าเมื่อใดควรพูด เมื่อใดควรหยุด เมื่อใดควรฟังต่อ และเมื่อใดควรเรียกใช้ Tool

GPT-Live แตกต่างจาก Voice System เดิมอย่างไร?

OpenAI ระบุว่า GPT-Live สามารถรับมือกับสถานการณ์ที่เกิดขึ้นในบทสนทนาจริงได้อย่างลื่นไหลมากขึ้น ไม่ว่า User จะ Interrupt ด้วยคำถามใหม่กลางคัน หยุดคิดค้างไว้สักครู่ ขอให้พูดช้าลง หรือแม้แต่บอกให้เงียบและรับฟัง ระบบก็รองรับได้ทั้งหมด นอกจากนี้ GPT-Live ยังสามารถ Respond ด้วยเสียงตอบรับสั้นๆ เช่น "mhmm" หรือ "got it" เพื่อให้การสนทนาดำเนินไปได้อย่างต่อเนื่องและไม่ฝืดเคือง

Model นี้ยังได้รับการออกแบบให้ทำงานได้ดีขึ้นใน Noisy Environment โดย OpenAI ระบุว่า ChatGPT Voice จะสามารถโฟกัสเสียงของ User ได้ดีขึ้น แม้จะมี Background Noise รบกวน เช่น เสียงการจราจรหรือเสียงสนทนาที่ดังอยู่รอบข้าง

นอกจากนี้ GPT-Live ยังสามารถ Delegate คำขอที่ซับซ้อนไปดำเนินการใน Background ได้ด้วย หากคำถามใดต้องการ Web Search, Deep Reasoning หรืองานที่ต้องใช้ประสิทธิภาพสูงกว่านั้น GPT-Live จะส่ง Task ดังกล่าวต่อให้ GPT-5.5 และนำ Result กลับมาเมื่อพร้อม โดยที่การสนทนาด้วยเสียงยังคงดำเนินต่อไปได้ในระหว่างนั้น

ใครได้ใช้ GPT-Live ก่อน?

GPT-Live กำลัง Roll Out ทั่วโลกบน ChatGPT ครอบคลุมทั้ง iOS, Android และ Web โดย GPT-Live-1 จะเป็น Model หลักสำหรับผู้ใช้ระดับ Go, Plus และ Pro ส่วนผู้ใช้ Free จะได้รับ GPT-Live-1 Mini แทน

OpenAI ยังเพิ่มฟีเจอร์ Visual Card เข้ามาใน Voice Chat ด้วย โดยหากถามเกี่ยวกับสภาพอากาศ ราคาหุ้น ผลกีฬา หรือหัวข้ออื่นที่คล้ายกัน ChatGPT สามารถแสดง Card บนหน้าจอควบคู่ไปกับการสนทนาด้วยเสียงได้พร้อมกัน รวมถึง Search, Memory, Image และ File Upload ก็ยังคงทำงานร่วมกับ ChatGPT Voice ได้ต่อเนื่องเหมือนเดิม

อย่างไรก็ตาม ข้อจำกัดหลักในปัจจุบันอยู่ที่ฟีเจอร์ Video เนื่องจาก GPT-Live ในช่วง Launch นี้ยังไม่รองรับ Video หรือ Screen Sharing ซึ่งหมายความว่าผู้ใช้จะยังไม่สามารถชี้กล้องไปที่วัตถุหรือแชร์หน้าจอระหว่างการใช้งาน GPT-Live Voice Chat ได้ในขณะนี้ โดย OpenAI ระบุว่าฟีเจอร์เหล่านี้จะตามมาในอนาคต

Why it matters

💡 หากคุณเคยรู้สึกหงุดหน่ายกับ AI Voice Assistant ที่พูดคุยได้ช้าและฝืด บทความนี้คือสิ่งที่คุณไม่ควรพลาด เพราะ OpenAI กำลัง Roll Out GPT-Live ที่ใช้ Full-Duplex Architecture ทำให้ฟังและพูดพร้อมกันได้แบบ Real-Time รับมือกับ Interrupt, Background Noise และยัง Delegate งานซับซ้อนให้ GPT-5.5 ทำงานใน Background ได้ นี่คือก้าวสำคัญที่เปลี่ยน Voice AI จากแค่ Assistant ธรรมดาให้กลายเป็น Conversation Partner ที่แท้จริง

ข้อมูลอ้างอิงจาก https://www.digitaltrends.com/computing/chatgpt-live-could-make-talking-to-ai-feel-straight-out-of-the-movies/