Khi ChatGPT bắt đầu hướng tới một cuộc trò chuyện bằng giọng nói tự nhiên hơn

Dòng Chảy AI · Hành Trình AI · 11–17/5/2024

Trong buổi trình diễn ngày 13/5/2024, nhóm OpenAI nói chuyện với một trợ lý AI, yêu cầu nó thay đổi cách kể chuyện và thử dịch giữa hai người nói những ngôn ngữ khác nhau. Cuộc trình diễn gợi ra một cách tương tác khác với việc chờ một câu trả lời hiện lên trên màn hình: nói, nghe và tiếp tục cuộc trò chuyện. 1

Mô hình được giới thiệu hôm đó là GPT-4o. Nhưng có một khác biệt quan trọng: những gì công ty trình diễn về giọng nói không đồng nghĩa với việc toàn bộ trải nghiệm mới đã có sẵn cho mọi người ngay ngày hôm ấy. 2 3

Từ chuỗi xử lý giọng nói đến một mô hình đa phương thức

Trước GPT-4o, OpenAI cho biết trải nghiệm trò chuyện bằng giọng nói của ChatGPT dùng một chuỗi gồm nhiều bước: chuyển âm thanh thành chữ, xử lý văn bản, rồi chuyển câu trả lời thành tiếng nói. Theo công ty, cách này khiến mô hình xử lý ngôn ngữ không trực tiếp nhận được một số thông tin trong âm thanh, chẳng hạn ngữ điệu. 2

Với GPT-4o, OpenAI mô tả một mô hình được huấn luyện trên văn bản, hình ảnh và âm thanh. Một hệ thống có thể làm việc với nhiều loại thông tin như vậy thường được gọi là đa phương thức. Mục tiêu là giúp tương tác linh hoạt hơn khi người dùng không chỉ gõ chữ mà còn muốn nói hoặc đưa hình ảnh cho hệ thống xem. Đây là mô tả cách tiếp cận của nhà phát triển, không phải kết luận rằng mô hình hiểu mọi tình huống hoặc cảm xúc của con người. 2

VietnamNet tường thuật một phần buổi ra mắt, trong đó nhóm OpenAI trình diễn dịch giữa tiếng Anh và tiếng Italy. Việc một bản demo hoạt động trong hoàn cảnh được chọn cho thấy điều công ty muốn giới thiệu; nó không đủ để kết luận bản dịch luôn chính xác với mọi ngôn ngữ, giọng nói hay môi trường ồn ào. 1

Những gì được công bố và những gì người dùng phải chờ

Trong thông báo ngày 13/5, OpenAI nói khả năng xử lý văn bản và hình ảnh của GPT-4o bắt đầu được triển khai trong ChatGPT. Công ty cho biết một phiên bản thử nghiệm của chế độ giọng nói mới dự kiến đến với người dùng Plus trong những tuần sau đó. Axios cũng tường thuật rằng tính năng văn bản và hình ảnh đến trước, còn trải nghiệm giọng nói cải tiến được dự kiến phát hành sau. 2 3

ChatGPT đã có chế độ nói chuyện bằng giọng nói trước ngày công bố này. Điểm mới được trình diễn là hướng phát triển trải nghiệm âm thanh dựa trên GPT-4o, với kế hoạch triển khai riêng. Sự phân biệt ấy giúp người đọc không nhầm một sản phẩm đã có với một tính năng mới đang được thử nghiệm hoặc dự kiến phát hành. 2 4

Một giao diện gần gũi hơn, những giới hạn vẫn cần được nhìn thấy

Với một người đang học ngoại ngữ, ý tưởng trò chuyện bằng giọng nói có thể hấp dẫn: thay vì chỉ đọc câu trả lời, họ có thể luyện đặt câu hỏi và nghe phản hồi. Nhưng một ví dụ hấp dẫn không phải bằng chứng rằng công cụ đã có sẵn cho mọi người, hiểu chính xác mọi cách phát âm hay có thể thay thế giáo viên. Đây là tình huống minh họa, không phải bài kiểm thử của Dòng Chảy AI.

OpenAI nêu rằng các phương thức âm thanh mới đem theo những rủi ro cần được xem xét. Một giọng nói biểu cảm có thể khiến cuộc trò chuyện nghe gần gũi, nhưng không phải bằng chứng AI có cảm xúc như con người; người dùng vẫn cần đánh giá câu trả lời, đặc biệt khi nó ảnh hưởng đến một quyết định quan trọng. 2

Điều xảy ra sau tuần ấy

Ngày 25/6/2024, sau giai đoạn bài viết nhìn lại, The Washington Post đưa tin OpenAI lùi thời điểm ra mắt các tính năng giọng nói và nhận diện cảm xúc để có thêm thời gian kiểm tra an toàn. Thông tin hậu kỳ này cho thấy một kế hoạch phát hành có thể thay đổi; nó không nên được kể như điều đã biết trong buổi công bố tháng 5. 5

Mốc tháng 5 cho thấy các công ty đang tìm cách đưa AI đến gần hơn với cách con người giao tiếp. Với người dùng, câu hỏi thực tế vẫn là tính năng nào thực sự có thể sử dụng, nó đáng tin đến đâu trong hoàn cảnh của mình, và thông tin nào cần được kiểm tra lại.

Tài liệu tham khảo

1. VietnamNet — OpenAI ra mắt ChatGPT dành cho máy tính, tháng 5/2024; báo Việt Nam tường thuật buổi trình diễn.
2. OpenAI — Xin chào GPT-4o, 13/5/2024; thông báo gốc của nhà phát triển, trang có thể được cập nhật.
3. Axios — OpenAI releases ChatGPT-4o, 14/5/2024; báo chí độc lập về demo và tiến độ triển khai.
4. OpenAI — Introducing GPT-4o and more tools to ChatGPT free users, 13/5/2024; mô tả chế độ giọng nói hiện có và khả năng mới dự kiến.
5. The Washington Post — OpenAI delays ChatGPT voice mode, 25/6/2024; tường thuật hậu kỳ.