OpenAI เปิด GPT-Live-1 — โหมดเสียงที่ฟังและพูดพร้อมกันได้ คุยลื่นเหมือนโทรหาคนจริง
สารบัญ
สรุปให้ไว
สองโมเดลใหม่
OpenAI ปล่อย GPT-Live-1 และ GPT-Live-1-Mini ทยอยเปิดให้ผู้ใช้ ChatGPT ในไม่กี่วันข้างหน้า
full duplex
ฟังและพูดพร้อมกันได้ แทรกกลางประโยคได้ เงียบไปคิดได้โดยไม่โดนพูดทับ
สถาปัตยกรรมใหม่
รวมเป็นสตรีมเดียว แทนการต่อสามโมเดล (เสียงเป็นข้อความ คิดคำตอบ ข้อความกลับเป็นเสียง) จึงตอบไวขึ้นมาก
แปลสด
แปลสิ่งที่อีกฝ่ายพูดแบบเรียลไทม์ระหว่างที่เขายังพูดอยู่ เริ่มจากภาษาที่นิยมก่อน
01GPT-Live-1 ต่างจากเดิมยังไง
โหมดเสียงเดิมต้องรอให้เราพูดจบก่อนถึงจะตอบ พอเราหยุดคิดแป๊บเดียวมันก็ชิงพูดเหมือนถึงตามัน ให้ความรู้สึกเหมือนวิทยุสื่อสารที่ต้องผลัดกันพูด GPT-Live-1 ไม่เป็นแบบนั้น มันฟังและพูดพร้อมกันได้ OpenAI เรียกสิ่งนี้ว่า full duplex ภาพจำคือการโทรคุยกับคนจริง เราแทรกได้ เงียบไปคิดสองวินาทีได้ และมันจะไม่ตัดบทเรา แถมยังส่งเสียงรับรู้เล็ก ๆ อย่าง "อือ" หรือ "ใช่" ระหว่างฟังได้ด้วย
เบื้องหลังที่ทำให้เป็นไปได้คือการเปลี่ยนสถาปัตยกรรม ระบบเดิมวางสามโมเดลซ้อนกัน โมเดลหนึ่งแปลงเสียงเราเป็นข้อความ อีกโมเดลคิดว่าจะตอบอะไร โมเดลที่สามแปลงข้อความกลับเป็นเสียง แต่ละขั้นเพิ่มดีเลย์เหมือนส่งโน้ตผ่านสามคนกว่าจะถึงปลายทาง GPT-Live-1 ตัดขั้นตอนพวกนี้ทิ้ง ประมวลผลสิ่งที่เราพูดและสร้างคำตอบไปพร้อมกันในสตรีมเดียว จึงตอบกลางประโยคได้แทนที่จะรอเราพูดจบ
02มีอะไรน่าสนใจอีก
มีลูกเล่นฉลาดอีกอย่างคือ GPT-Live-1 ไม่พยายามเป็นโมเดลที่ฉลาดที่สุด พอเจอคำถามที่ต้องคิดหนักหรือต้องค้นเว็บ มันโยนงานนั้นให้ GPT-5.5 ทำอยู่เบื้องหลัง แล้วคุยกับเราต่อไปเรื่อย ๆ พอได้คำตอบก็เอากลับมาใส่ในบทสนทนา เสียงเลยยังเร็วและเป็นธรรมชาติ ส่วนงานคิดหนักไปเกิดที่อื่น
ฟีเจอร์ที่โดดเด่นคือการแปลสด เพราะฟังและพูดพร้อมกันได้ มันจึงแปลสิ่งที่อีกฝ่ายพูดระหว่างที่เขายังพูดอยู่ได้เลย OpenAI บอกว่าจูนให้ภาษาที่นิยมก่อน แล้วค่อยเก็บสำเนียงและภาษาที่พบน้อยกว่า การกระจายรุ่นแบ่งเป็นสองขนาด รุ่น Mini จะเป็นค่าเริ่มต้นสำหรับผู้ใช้ ChatGPT แบบฟรี ส่วนรุ่นใหญ่ GPT-Live-1 ไปที่ผู้ใช้แบบเสียเงินทุกระดับ
จุดที่ยังขาดตอนเปิดตัว
- ★
ยังไม่รองรับ video / แชร์หน้าจอ
OpenAI บอกว่ากำลังพัฒนาอยู่
- ★
API ยังไม่เปิด
นักพัฒนาที่อยากเอาไปฝังในแอปตัวเองต้องรอ มี waitlist ให้ลงชื่อก่อน
- ★
ทยอยเปิด
ยังไม่ได้ทุกคนพร้อมกัน ค่อย ๆ ปล่อยในไม่กี่วัน
- ★
มาพร้อมจังหวะ GPT-5.6
เปิดตัวสัปดาห์เดียวกับที่คาดว่า OpenAI จะปล่อย GPT-5.6 สะท้อนว่าจังหวะการออกของกำลังถี่ขึ้น
03เกี่ยวอะไรกับเรา
ฟันธง: น่าลอง แต่ให้ใช้ถูกงาน เสียงกำลังกลายเป็นทางที่เร็วที่สุดในการทำงานกับ AI พิมพ์ prompt ยาว ๆ กินเวลา พูดไม่กิน ถ้า GPT-Live-1 คุยได้ลื่นโดยไม่ตัดบทหรือทำให้เรารอ มันเหมาะกับงานคิดออกเสียง วางแผนสัปดาห์ ซ้อมบทก่อนโทรหาลูกค้า หรือระดมไอเดียระหว่างขับรถ
แต่ต้องซื่อสัตย์กับตัวเองว่าเสียงไม่ได้เหมาะทุกงาน ถ้าต้องการผลลัพธ์ที่แม่นและละเอียดอย่างร่างสัญญาหรือสเปรดชีต การพิมพ์หรือ ChatGPT แบบข้อความยังเร็วและแม่นกว่า รู้ว่าเสียงช่วยตรงไหนนี่แหละที่ทำให้มันมีประโยชน์จริงแทนที่จะเป็นแค่ลูกเล่น ถ้าจะต่อยอด รอ API เปิดแล้วลองผูกเสียงเข้ากับ workflow ที่ต้องคุยโต้ตอบ เช่นงานบริการลูกค้า แต่ยังคงมี Human Gate คนคุมในงานที่ผิดแล้วกระทบจริง