OpenAI เปิดตัว GPT-Live

OpenAI เปิดตัว GPT-Live นี่อาจเป็นจุดเริ่มต้นของยุคที่เรา “คุยกับ AI” มากกว่าพิมพ์หา AI

รอบนี้ไม่ใช่แค่เปลี่ยนเสียงให้ฟังดูดีขึ้น แต่มันคือการเปลี่ยนวิธีที่ ChatGPT Voice ทำงานใหม่เกือบทั้งระบบ

โมเดลใหม่ชื่อว่า GPT-Live มี 2 รุ่นหลัก

GPT-Live-1 สำหรับผู้ใช้ Go / Plus / Pro

GPT-Live-1 mini สำหรับผู้ใช้ฟรี

สิ่งที่น่าสนใจที่สุดคือ GPT-Live เป็นระบบแบบ Full-Duplex

แปลบ้าน ๆ คือ AI สามารถ “ฟังและพูด” ได้ในเวลาเดียวกัน

ไม่ใช่แบบเดิมที่ต้องรอเราพูดจบ เงียบก่อน แล้ว AI ค่อยเริ่มคิด ค่อยเริ่มตอบ

รอบนี้การคุยจะเหมือนคนมากขึ้น

เราพูดแทรกได้ ถามเพิ่มกลางทางได้ บอกให้ AI หยุดได้ ให้มันพูดช้าลงได้ หรือจะให้มันฟังเฉย ๆ ก่อนก็ได้

OpenAI บอกว่า GPT-Live สามารถตัดสินใจระหว่างคุยได้หลายครั้งต่อวินาที เช่น

ควรพูดต่อไหม ควรหยุดฟังไหม ควรรอผู้ใช้คิดก่อนไหม ควรขัดจังหวะไหม หรือควรเรียกใช้เครื่องมืออื่นมาช่วยไหม

นี่แหละที่ทำให้มันต่างจาก Voice Mode รุ่นก่อน

เมื่อก่อน Advanced Voice Mode ถึงจะดูธรรมชาติกว่า Standard Voice แต่ยังเป็นการคุยแบบผลัดกันพูดอยู่ดี

ปัญหาคือถ้าเราหยุดคิดแป๊บเดียว AI อาจนึกว่าเราพูดจบแล้ว แล้วพูดแทรกขึ้นมา

หรือถ้ามีเสียงรบกวนข้างหลัง ระบบอาจจับจังหวะผิดได้

GPT-Live ถูกออกแบบมาเพื่อแก้ปัญหาตรงนี้ ให้ AI ฟังเป็นมากขึ้น รอเป็นมากขึ้น และเข้าใจจังหวะของบทสนทนามากขึ้น

อีกจุดที่ใหญ่มากคือ GPT-Live ไม่ได้ทำทุกอย่างเองคนเดียว

หน้าที่หลักของมันคือทำให้การคุยลื่น ตอบโต้เร็ว จับจังหวะเสียง และรักษาการสนทนาให้ไม่สะดุด

แต่ถ้าคำถามยากขึ้น เช่น ต้องค้นเว็บ ต้องใช้เหตุผล ต้องวิเคราะห์ข้อมูล ต้องคิดหลายชั้น หรือต้องใช้ความสามารถแบบ agent

ระบบสามารถส่งงานไปให้ GPT-5.5 ช่วยคิดเบื้องหลัง แล้ว GPT-Live เอาคำตอบกลับมาคุยต่อกับเรา

พูดง่าย ๆ คือ

GPT-Live = คนคุยหน้าบ้าน GPT-5.5 = สมองใหญ่ที่ช่วยคิดงานหนักด้านหลัง

นี่ทำให้ Voice ไม่ได้เป็นแค่ฟีเจอร์พูดเล่น แต่มันเริ่มกลายเป็น “อินเทอร์เฟซหลัก” ของ AI ได้จริง

OpenAI ยังบอกด้วยว่า ChatGPT Voice ตัวใหม่สามารถทำงานร่วมกับหลายอย่างได้มากขึ้น เช่น

ใช้ web search ได้ ใช้ memory ได้ ทำงานกับรูปภาพในแชตเดียวกันได้ แสดงคำตอบแบบ visual card ได้ เช่น อากาศ หุ้น กีฬา หรือข้อมูลที่ดูเป็นการ์ดอ่านง่าย และยังมีข้อความขึ้นพร้อมเสียง ทำให้เราฟังไป อ่านไป ดูภาพประกอบไปได้

อันนี้สำคัญมากสำหรับคนใช้งานจริง

เพราะหลายครั้งเสียงอย่างเดียวไม่พอ เช่น ถามพยากรณ์อากาศ ดูตารางกีฬา ถามข้อมูลหุ้น หรือให้ช่วยสรุปข้อมูลบางอย่าง

การมีเสียง + ข้อความ + การ์ดภาพ ทำให้ Voice Mode ไม่ได้เป็นแค่หูฟัง แต่มันเริ่มเป็นหน้าจอทำงานแบบใหม่

เรื่องภาษา OpenAI บอกว่า GPT-Live ถูกปรับให้รองรับภาษายอดนิยมใน ChatGPT แต่บางภาษาอาจยังมีสำเนียงไม่เหมือนเจ้าของภาษา หรือยังมีช่องว่างเรื่องความลื่นไหลอยู่

แปลว่า ภาษาไทยน่าจะใช้งานได้ แต่ต้องรอดูของจริงว่าธรรมชาติแค่ไหน

ข้อจำกัดตอนเปิดตัวก็มี

GPT-Live ยังไม่รองรับวิดีโอ ยังแชร์หน้าจอไม่ได้ ยังไม่รองรับ connected apps ยังไม่รองรับ plugins ยังไม่เปิดใน custom GPTs, Codex, Work, Temporary Chats และ desktop app ช่วงแรก

ถ้าใครต้องใช้วิดีโอหรือแชร์หน้าจอ อาจต้องใช้ Advanced Voice Mode เดิมไปก่อน

แต่ภาพรวมคือรอบนี้ OpenAI กำลังบอกชัดมากว่า

อนาคตของ AI ไม่ได้อยู่แค่ช่องพิมพ์ข้อความแล้ว

ต่อไปเราอาจสั่งงาน AI เหมือนคุยกับผู้ช่วยจริง ๆ

ให้มันฟังประชุม ช่วยซ้อมภาษา ช่วยคิดคอนเทนต์ ช่วยตอบลูกค้า ช่วยสรุปข้อมูล ช่วยค้นเว็บ ช่วยวิเคราะห์ หรือคุยไปทำงานไปแบบไม่ต้องนั่งพิมพ์ยาว ๆ

สำหรับผม จุดนี้น่าจับตากว่า “เสียงเหมือนคน” อีก

เพราะของจริงคือ AI กำลังเปลี่ยนจากเครื่องตอบคำถาม เป็นคู่สนทนาที่ทำงานร่วมกับเราได้แบบ real-time

และถ้า Voice + Reasoning + Search + Memory + Agent มารวมกันจริง ๆ

คอมพิวเตอร์ในอนาคตอาจไม่ได้เริ่มจากการคลิก แต่อาจเริ่มจากการพูดว่า

“ช่วยทำอันนี้ให้หน่อย”

คอมเมนต์แรก: แหล่งข้อมูลจาก OpenAI Blog / OpenAI Help Center / ChatGPT Release Notes

#OpenAI #GPTLive #ChatGPT #AIเสียง #SynapTechAI

---

📖 อ่านบทความเต็มบน Facebook | 🔔 ติดตาม SynapTech