GPT-Live: เบื้องหลัง ChatGPT Voice ที่ฟังและพูดพร้อมกันได้
OpenAI เปิดตัว GPT-Live เมื่อวันที่ 8 กรกฎาคม 2026 พร้อมนำมาใช้เป็นระบบหลักของ ChatGPT Voice รุ่นใหม่ โดยผู้ใช้แบบชำระเงินได้รับ GPT-Live-1 ส่วนผู้ใช้ Free ได้รับ GPT-Live-1 mini
ความเปลี่ยนแปลงจาก Advanced Voice Mode ที่สังเกตได้เมื่อใช้ GPT-Live ครั้งแรกคือ ChatGPT รอให้เราคิดได้นานขึ้น รับคำพูดแทรกได้ดีขึ้น และตอบสนองต่อจังหวะสนทนาได้เป็นธรรมชาติกว่า Voice รุ่นก่อน
เบื้องหลังความสามารถเหล่านี้คือสถาปัตยกรรมแบบ full-duplex ซึ่งทำให้โมเดลฟังและพูดพร้อมกันได้ รวมถึงการแยกโมเดลที่ดูแลการสนทนาออกจากโมเดลที่รับผิดชอบการค้นข้อมูลและการคิดวิเคราะห์
ChatGPT Voice จึงไม่จำเป็นต้องรอให้ผู้ใช้พูดจบทุกครั้ง ก่อนตัดสินใจว่าจะตอบ ฟังต่อ เงียบ หยุดพูด หรือเรียกใช้เครื่องมืออื่น
บทความนี้เราจะมาเจาะลึก GPT-Live model เสียงตัวล่าสุดจาก OpenAI ที่จะมาประจำการบน ChatGPT กันครับ
Voice รุ่นก่อนทำงานอย่างไร
ChatGPT Voice รุ่นแรกใช้กระบวนการแบบต่อกันหลายขั้นตอน
เสียงของผู้ใช้จะถูกแปลงเป็นข้อความ จากนั้นโมเดลภาษาจึงสร้างคำตอบ แล้วระบบอีกส่วนหนึ่งจึงแปลงข้อความกลับมาเป็นเสียง
โดยมีกระบวนการดังนี้:
เสียง → ถอดเสียง → โมเดลภาษา → ข้อความ → สังเคราะห์เสียง
OpenAI เรียกระบบนี้ว่า cascaded voice system เพราะใช้โมเดลหลายตัวทำงานต่อกันตามลำดับ ได้แก่โมเดลแปลงเสียงเป็นข้อความ โมเดลภาษาที่สร้างคำตอบ และโมเดลแปลงข้อความกลับเป็นเสียง
วิธีนี้ช่วยให้ผู้ใช้สนทนากับโมเดลภาษาได้ แต่ข้อมูลบางส่วนของเสียง เช่น น้ำเสียง จังหวะการพูด หรือบริบทที่ไม่ได้อยู่ในคำพูดโดยตรง อาจสูญหายระหว่างแต่ละขั้นตอน การประมวลผลหลายทอดยังทำให้คำตอบช้าและมีช่วงเงียบระหว่างผลัดกันสนทนา
Advanced Voice Mode ลดขั้นตอนเหล่านี้ด้วยโมเดลที่รับและสร้างเสียงได้โดยตรง ทำให้การตอบสนองเร็วและลื่นกว่าเดิม แต่ระบบยังแบ่งบทสนทนาออกเป็นผลัด ผู้ใช้พูดหนึ่งช่วง แล้วโมเดลจึงตอบอีกหนึ่งช่วง
การตรวจจับว่าผู้ใช้พูดจบหรือยัง มักอาศัยช่วงเงียบ หากผู้ใช้หยุดเพื่อคิดเพียงครู่เดียว ระบบอาจเข้าใจว่าถึงคิวของมันแล้วและเริ่มตอบก่อนเวลา เสียงรบกวนหรือเสียงคนอื่นก็อาจทำให้การตรวจจับจังหวะสนทนาคลาดเคลื่อนได้
GPT-Live ฟังและพูดอย่างต่อเนื่อง
GPT-Live ใช้สถาปัตยกรรม full-duplex ทำให้โมเดลประมวลผลเสียงที่เข้ามา พร้อมกับสร้างเสียงตอบกลับได้ในเวลาเดียวกัน
แทนที่จะรอรับข้อความเสียงเป็นช่วง ๆ โมเดลจะประมวลผลบทสนทนาอย่างต่อเนื่อง และประเมินหลายครั้งต่อวินาทีว่าจะฟังต่อ เริ่มตอบ หยุดพูด รับคำพูดแทรก รอให้ผู้ใช้คิด หรือเรียกใช้เครื่องมืออื่นๆ
Standard Voice ใช้กระบวนการหลายทอด Advanced Voice Mode รับและสร้างเสียงโดยตรงแต่ยังต้องสนทนาสลับกัน ส่วน GPT‑Live ประมวลผลบทสนทนาแบบต่อเนื่องและรองรับการฟัง–พูดพร้อมกัน (ข้อมูลจาก OpenAI)
ความสามารถนี้ช่วยให้ ChatGPT สามารถตอบรับสั้น ๆ เพื่อแสดงว่ากำลังฟังอยู่ รับการขัดจังหวะระหว่างคำตอบ และเว้นช่วงเงียบโดยไม่รีบแทรก
ผู้ใช้ยังสามารถบอกตั้งแต่เริ่มสนทนาให้ ChatGPT รอฟังจนกว่าจะได้รับคำถามโดยตรง เช่น “รอจนกว่าฉันจะบอกให้ตอบ” อย่างไรก็ตาม ช่วงเงียบที่ยาวมาก เสียงคนอื่น หรือเสียงรบกวนยังอาจทำให้ระบบเริ่มตอบก่อนเวลาที่ต้องการได้
GPT-Live ถูกออกแบบมาสำหรับการสนทนาแบบหนึ่งต่อหนึ่งเป็นหลัก การสนทนาที่มีหลายคนพูดพร้อมกันอาจทำให้โมเดลแยกไม่ออกว่าใครกำลังพูดกับ ChatGPT และใครกำลังพูดคุยกันเอง
คุณภาพของการรับเสียงยังขึ้นอยู่กับไมโครโฟน การเชื่อมต่ออินเทอร์เน็ต เสียงพื้นหลัง และการตั้งค่าของอุปกรณ์ด้วย สำหรับ iPhone ผู้ใช้สามารถเปิด Control Center ระหว่างสนทนา เลือก Mic Mode และเปิด Voice Isolation เพื่อลดเสียงรบกวนได้
โมเดลสนทนากับโมเดลคิดถูกแยกออกจากกัน
การเปลี่ยนแปลงสำคัญอีกส่วนหนึ่งคือ OpenAI แยก GPT-Live ซึ่งดูแลการฟัง จังหวะ และความต่อเนื่องของบทสนทนา ออกจากโมเดลที่รับผิดชอบงานค้นข้อมูล การคิดวิเคราะห์ และงานที่ซับซ้อนกว่า
เมื่อคำถามต้องใช้ Search หรือ reasoning เพิ่มเติม GPT-Live สามารถส่งงานให้โมเดลอีกตัวหนึ่งทำงาน แล้วนำผลลัพธ์กลับเข้าสู่บทสนทนาเมื่อพร้อม ระหว่างนั้น GPT-Live ยังสามารถรักษาการสนทนาไว้ได้ ผู้ใช้อาจพูดต่อ ถามเรื่องอื่น หรือรับทราบว่าระบบกำลังค้นข้อมูล โดยไม่ต้องรออยู่ในความเงียบ
แผนภาพแสดงการแบ่งงานระหว่าง GPT‑Live และ GPT‑5.5 : GPT‑Live รักษาจังหวะสนทนา ขณะที่ GPT‑5.5 ค้นหา วิเคราะห์ และส่งผลลัพธ์กลับ (ข้อมูลจาก OpenAI)
ในช่วงเปิดตัว OpenAI ระบุว่า GPT-Live ใช้ GPT-5.5 เป็นโมเดลเบื้องหลัง โดย GPT-Live-1 แบบ Instant และ GPT-Live-1 mini ใช้ GPT-5.5 Instant ส่วนระดับ Medium และ High ใช้ GPT-5.5 Thinking ด้วยระดับ reasoning ที่ต่างกัน
ผู้ใช้สามารถเลือกระดับ Intelligence เป็น Instant, Medium หรือ High ได้ แต่ไม่ได้ระบุชื่อโมเดลเบื้องหลังในแต่ละระดับขณะใช้งาน ทำให้ OpenAI สามารถอัปเดตโมเดล reasoning ภายในได้ เมื่อมีการอัพเดท model ใหม่ในอนาคต
หาก OpenAI มีโมเดล reasoning รุ่นใหม่ GPT-Live ก็สามารถส่งงานให้โมเดลนั้นแทนได้ โดยไม่จำเป็นต้องออกแบบระบบสนทนาด้วยเสียงใหม่ทั้งหมด
ChatGPT Voice รุ่นใหม่ทำอะไรได้บ้าง
ChatGPT Voice ที่ใช้ GPT-Live สามารถใช้ Search และ Memory แสดงคำตอบเป็นข้อความขณะที่กำลังพูด และทำงานร่วมกับข้อความและรูปภาพภายในแชตเดียวกันได้
ระหว่างที่ Voice ทำงาน ผู้ใช้สามารถพิมพ์ข้อความแทนการพูด หรือแนบรูปภาพที่รองรับเข้าไปในแชตเดิมได้ โดย ChatGPT ยังสามารถตอบกลับด้วยเสียงต่อไปโดยไม่ต้องเริ่มห้องสนทนาใหม่
อย่างไรก็ตาม GPT-Live ยังไม่สามารถค้นหาหรือดึงไฟล์จาก ChatGPT Library เข้ามาเองได้ ผู้ใช้อาจแนบไฟล์ที่รองรับด้วยตนเองได้ ขึ้นอยู่กับแพ็กเกจ บัญชี และ session ที่ใช้งาน
ระหว่างสนทนา ระบบสามารถแสดงข้อมูลผ่าน visual card เช่น สภาพอากาศ ราคาหุ้น ผลกีฬา หรือข้อมูลจากแผนที่ ผู้ใช้จึงไม่จำเป็นต้องรับข้อมูลทั้งหมดผ่านเสียง โดยเฉพาะคำตอบที่มีตัวเลข ตาราง หรือรายการหลายรายการ
ระหว่างสนทนาด้วยเสียง ChatGPT สามารถแสดงคำตอบในรูปแบบ visual card เช่น แผนที่ สภาพอากาศ และกีฬา ภาพ: OpenAI
GPT-Live ยังรองรับ live translation และสามารถสนทนาต่อในพื้นหลังขณะใช้แอปอื่นหรือล็อกหน้าจอได้ โดยต้องเปิด Background conversations ใน Settings → Voice
การสนทนาในพื้นหลังจะสิ้นสุดเมื่อผู้ใช้กดจบการสนทนา ปิดแอปแบบบังคับ ใช้ถึง usage limit หรือถึงระยะเวลาสูงสุดของ session หรือสามารถบอกให้ model วางสายได้ โดยไม่ต้องกดปุ่มหยุด
บนแอปมือถือที่รองรับ ผู้ใช้สามารถเปิด Start with Voice เพื่อให้ ChatGPT เริ่ม Voice โดยอัตโนมัติ เมื่อเปิดแอปเข้าสู่แชตใหม่หรือแชตที่ยังว่างอยู่
OpenAI ปรับปรุงเสียงทั้ง 9 แบบใน ChatGPT ให้ใช้กับ GPT-Live ได้แก่ Arbor, Breeze, Cove, Ember, Juniper, Maple, Sol, Spruce และ Vale
ภาพเปรียบเทียบ model เสียง ใน ChatGPT ได้แก่ Standard Voice, Advanced Voice Mode และ GPT‑Live (ข้อมูลจาก OpenAI)
ผู้ใช้สามารถขอให้ ChatGPT พูดเร็วขึ้น ช้าลง หรือปรับน้ำเสียงและรูปแบบการตอบระหว่างการสนทนาได้ แต่ยังไม่มีตัวควบคุมความเร็วแบบละเอียด การเปลี่ยนเสียงที่เลือกขณะกำลังคุยจะเริ่ม voice call ใหม่ภายในแชตเดิม
อีกข้อจำกัดหนึ่งคือ Personality preset ที่ตั้งไว้ใน ChatGPT ยังไม่ถูกนำมาใช้กับ GPT-Live โดยตรง ผู้ใช้ต้องบอกโทน ความเร็ว หรือรูปแบบการตอบที่ต้องการภายใน Voice conversation นั้นเอง
Voice ยังแตกต่างจาก Dictation ซึ่งเป็นการกดไมโครโฟนเพื่อบันทึกคำสั่งหนึ่งครั้ง ระบบจะแปลงเสียงเป็นข้อความให้ผู้ใช้ตรวจและแก้ไขก่อนส่ง ส่วน Voice เหมาะกับการพูดคุยโต้ตอบแบบต่อเนื่อง
Usage limit ของ GPT-Live
OpenAI วัดการใช้งาน GPT-Live แบบ rolling 24-hour period ไม่ใช่การรีเซ็ตพร้อมกันตอนเที่ยงคืน
หมายความว่าเวลาที่ใช้ไปจะทยอยกลับคืนเมื่อการใช้งานแต่ละช่วงผ่านไปครบ 24 ชั่วโมง และ OpenAI ระบุว่าขีดจำกัดอาจเปลี่ยนแปลงได้ตามการให้บริการ ระบบจะแจ้งเตือนเมื่อผู้ใช้ใช้ถึงเพดานการใช้งาน
Usage limit การใช้งาน GPT-Live มีดังนี้
• ChatGPT Pro ราคา 200 ดอลลาร์ต่อเดือน
ได้รับสิทธิ์ใช้ GPT-Live-1 แบบไม่จำกัดในด้านโควตา rolling 24 ชั่วโมง
อย่างไรก็ตาม การสนทนา Live หนึ่ง session ยังมีระยะเวลาสูงสุด 2 ชั่วโมง เมื่อถึงขีดจำกัดต้องเริ่ม voice conversation ใหม่
• ChatGPT Pro ราคา 100 ดอลลาร์ต่อเดือน
- GPT-Live-1 ระดับ Instant สูงสุด 12 ชั่วโมง
- GPT-Live-1 ระดับ Medium หรือ High สูงสุด 12 ชั่วโมง
- GPT-Live-1 mini สูงสุด 24 ชั่วโมง
ตัวเลขเหล่านี้ถูกแสดงเป็นโควตาแยกตามระดับการใช้งาน แต่ แต่ไม่ได้อธิบายรายละเอียดว่าระบบจะสลับไปใช้ mini โดยอัตโนมัติหรือไม่ เมื่อโควตาของ GPT-Live-1 หมด
• ChatGPT Go และ Plus
- GPT-Live-1 ระดับ Instant สูงสุด 1 ชั่วโมง
- GPT-Live-1 ระดับ Medium หรือ High สูงสุด 1 ชั่วโมง
- GPT-Live-1 mini สูงสุด 2 ชั่วโมง
ระดับ Intelligence ที่ผู้ใช้มองเห็นอาจแตกต่างกันตามแพ็กเกจ ภูมิภาค และสถานะของบัญชี
• ChatGPT Free
ผู้ใช้ Free ได้รับสิทธิ์ใช้งาน GPT-Live-1 mini แบบจำกัดภายในแต่ละช่วง rolling 24 ชั่วโมง
OpenAI ไม่ได้กำหนดจำนวนชั่วโมงตายตัวในเอกสาร และระบุว่าขีดจำกัดนี้อาจเปลี่ยนแปลงได้
ข้อจำกัดของ session
ไม่ว่าจะใช้แพ็กเกจใด การสนทนา GPT-Live หนึ่งครั้งยาวได้สูงสุด 2 ชั่วโมง และผู้ใช้เปิด Voice conversation พร้อมกันได้ครั้งละหนึ่งรายการเท่านั้น
Voice conversation อาจสิ้นสุดก่อน 2 ชั่วโมงได้ หากถึง usage limit หรือบทสนทนายาวจนถึง context limit ผู้ใช้สามารถสนทนาต่อผ่านข้อความ หรือเริ่ม Voice session ใหม่ได้
สำหรับ ChatGPT Business, Enterprise และ Edu ไม่มี usage limit ของ GPT-Live ระบุไว้ เนื่องจาก GPT-Live ยังไม่เปิดให้ใช้ใน workspace กลุ่มนี้ในช่วงเปิดตัว
การใช้งานผ่าน Apple CarPlay
ChatGPT Voice สามารถใช้งานผ่าน Apple CarPlay บน iPhone รุ่นที่รองรับและใช้ iOS 26.4 ขึ้นไป โดยต้องติดตั้ง ChatGPT เวอร์ชันล่าสุดและเชื่อมต่อกับรถที่รองรับ CarPlay
ฟีเจอร์นี้เปิดให้ใช้ทั่วโลกในทุกแพ็กเกจของ ChatGPT
ผู้ใช้สามารถเริ่ม voice chat ใหม่ สนทนาต่อจากแชตล่าสุดหรือแชตที่ปักหมุดไว้ และเริ่มแชตใหม่ภายใน Project จากหน้าจอ CarPlay ได้
นอกจากนี้ยังเปิด Start automatically in CarPlay เพื่อให้ ChatGPT เข้าสู่ Voice โดยอัตโนมัติเมื่อเปิดแอปบนหน้าจอรถได้
อย่างไรก็ตาม ChatGPT ใน CarPlay:
• ไม่สามารถเข้าถึงแผนที่ของรถ
• ไม่สามารถเข้าถึงข้อมูลรถ
• ไม่สามารถใช้ตำแหน่งแบบ live location
• ไม่สามารถควบคุมรถ
• ไม่สามารถควบคุมแอปอื่น เช่น Maps, Mail หรือ Slack
คุณภาพเสียงอาจแตกต่างกันตามไมโครโฟน ลำโพง และระบบตัดเสียงสะท้อนของรถแต่ละรุ่น
สิ่งที่ GPT-Live ยังไม่รองรับในช่วงเปิดตัว
GPT-Live เริ่มเปิดให้ใช้งานบน ChatGPT.com และแอป iOS กับ Android ในแพ็กเกจผู้ใช้ทั่วไป รวมถึง Free แต่ยังไม่เปิดให้ใช้ใน ChatGPT Business, Enterprise และ Edu workspaces ในช่วงเปิดตัว
ความสามารถที่ยังไม่รองรับใน GPT-Live ได้แก่:
• วิดีโอและการแชร์หน้าจอ
• Work และ Codex
• GPT-Live ภายใน Custom GPTs
• Connected apps และ plugins
• การค้นหาหรือดึงไฟล์จาก ChatGPT Library ด้วยตัวเอง
ผู้ที่ต้องการวิดีโอหรือการแชร์หน้าจอบนมือถือยังสามารถเปลี่ยนไปใช้ Advanced Voice Mode ได้ หากแพ็กเกจและบัญชีรองรับ
สำหรับ Custom GPTs แม้ GPT-Live จะยังใช้ไม่ได้ แต่ผู้ใช้ยังสามารถสนทนาด้วยเสียงกับ GPTs ผ่าน Advanced Voice Mode ได้
อย่างไรก็ตาม Voice conversation ภายใน GPTs ยังไม่รองรับ image generation, data analysis และ custom actions ส่วนการแนบไฟล์หรือรูปภาพขึ้นอยู่กับบัญชีและ session
ข้อจำกัดเหล่านี้ทำให้ GPT-Live ยังไม่ใช่ระบบที่สามารถสั่งงานด้วยเสียงภายในระบบทำงานทั้งหมดของ ChatGPT โดยเฉพาะงานที่ต้องควบคุมคอมพิวเตอร์ เขียนโค้ด ใช้ connected apps หรือดำเนินงานต่อเนื่องผ่าน Work และ Codex
ข้อจำกัดที่ผู้ใช้ควรรู้
แม้ GPT-Live จะรับการพูดแทรกได้ดีขึ้น แต่ transcript ที่บันทึกไว้หลังจบการสนทนาไม่ใช่บันทึกคำต่อคำเสมอไป
ข้อความอาจแตกต่างจากสิ่งที่ผู้ใช้หรือ ChatGPT พูดจริง โดยเฉพาะเมื่อมีการพูดทับกัน เสียงรบกวน หรือบทสนทนาเปลี่ยนเร็ว ขณะที่ GPT-Live กำลังพูด ข้อความคำตอบจะปรากฏในแชตไปพร้อมกัน และสามารถเปิดดู transcript หลังจบการสนทนาได้
ChatGPT Voice ยังใช้เขตเวลาของอุปกรณ์หรือเบราว์เซอร์เพื่อตีความคำว่า “วันนี้” หรือ “พรุ่งนี้” หากคำตอบด้านวันที่หรือเวลาคลาดเคลื่อน ผู้ใช้ควรระบุวันที่ เขตเวลา และสถานที่ให้ชัดเจน
ผลการทดสอบของ GPT-Live
OpenAI รายงานว่า GPT-Live-1 และ GPT-Live-1 mini ได้รับความนิยมมากกว่า Advanced Voice Mode ในการเปรียบเทียบบทสนทนาความยาว 5–10 นาที
การประเมินครอบคลุมความพึงพอใจโดยรวม การผลัดกันพูด การรับคำพูดแทรก ความต่อเนื่อง และความเป็นธรรมชาติของบทสนทนา
OpenAI รายงานว่าในการเปรียบเทียบบทสนทนา 5–10 นาที ผู้ประเมินเลือก GPT‑Live‑1 และ GPT‑Live‑1 mini มากกว่า Advanced Voice Mode และให้คะแนนด้านความลื่นไหลกับความน่าพอใจสูงกว่า (ข้อมูลจาก OpenAI)
OpenAI ยังรายงานว่า GPT-Live-1 ทำผลงานได้ดีขึ้นกว่า Advanced Voice Mode โดยมีการทดสอบบน benchmark เหล่านี้
• GPQA สำหรับคำถามวิทยาศาสตร์ระดับผู้เชี่ยวชาญ
• BrowseComp สำหรับการค้นหาข้อมูลที่หาได้ยากบนเว็บ
• แบบทดสอบงานบริการลูกค้าทางเสียงในธุรกิจโทรคมนาคม
ผลประเมินที่ OpenAI รายงานบน GPQA และ BrowseComp แสดงคะแนนสูงขึ้นตามระดับ Intelligence ของ GPT‑Live (ข้อมูลจาก OpenAI)
ผล τ‑3 Voice Telecom ที่ OpenAI รายงาน: GPT‑Live‑1 ระดับ Medium และ High มี task success rate สูงกว่า Advanced Voice Mode ขณะที่ Instant ใช้เวลาน้อยกว่า (ข้อมูลจาก OpenAI)
OpenAI ระบุว่า GPT-Live ได้รับการปรับให้เหมาะกับภาษายอดนิยมบางภาษา แต่บางภาษาอาจยังมีสำเนียงที่ไม่เป็นธรรมชาติหรือไม่เหมือนกับภาษาต้นฉบับ
สำหรับภาษาไทยยังไม่มีผลการทดสอบแยกที่ OpenAI เปิดเผยอย่างเป็นทางการ ประสบการณ์ของผู้ใช้จึงอาจแตกต่างกันตามสำเนียง คุณภาพไมโครโฟน ความเร็วในการพูด และเสียงรบกวนรอบตัว
ผู้ใช้สามารถตั้งค่าภาษาที่พูดเป็นประจำได้ใน Settings → Voice → Language เพื่อช่วยให้ระบบเข้าใจเสียงได้แม่นยำขึ้น และยังสามารถขอให้ ChatGPT เปลี่ยนภาษาในระหว่างสนทนาได้
ความปลอดภัยและข้อมูลเสียง
การสนทนาด้วยเสียงสร้างความเสี่ยงที่ต่างจากข้อความ เพราะระบบต้องตัดสินใจและตอบกลับแบบเรียลไทม์
OpenAI ได้เพิ่มการทดสอบเฉพาะด้านเสียง ครอบคลุมเรื่องการทำร้ายตัวเอง ภาวะทางจิต การพึ่งพา AI ทางอารมณ์ ความรุนแรง เนื้อหาทางเพศ การหลอกลวง การระบุตัวผู้พูด และความเสี่ยงจากการเลียนแบบเสียงบุคคลจริง
ระบบความปลอดภัยสามารถแทรกแซงระหว่างที่โมเดลกำลังพูด เช่น ปรับทิศทางคำตอบ เล่นข้อความเตือนด้วยเสียง แสดงข้อมูลหรือแหล่งช่วยเหลือ และยุติการสนทนาในสถานการณ์ที่มีความเสี่ยงสูง
ด้านข้อมูลส่วนบุคคล คลิปเสียงจาก Live และ Advanced Voice รวมถึงคลิปวิดีโอจาก Advanced จะถูกเก็บไว้พร้อม transcript ที่แสดงอยู่ในประวัติแชต โดยคลิปถูกเก็บเป็นเวลา 30 วัน
เมื่อผู้ใช้ลบแชต OpenAI จะลบคลิปเสียงและวิดีโอที่เกี่ยวข้องภายใน 30 วันด้วย ยกเว้นกรณีที่ต้องเก็บไว้ด้วยเหตุผลด้านความปลอดภัย กฎหมาย หรือคลิปเคยถูกแบ่งปันเพื่อปรับปรุงโมเดลและถูกแยกออกจากบัญชีแล้ว
การ Archive แชตเป็นเพียงการซ่อนแชตออกจากแถบด้านข้าง ไม่ได้ลบแชตหรือคลิปเสียงที่เกี่ยวข้อง
สำหรับ Standard Voice เสียงจะถูกลบหลังการถอดข้อความเสร็จ แม้การถอดข้อความจะไม่สำเร็จก็ตาม ยกเว้นกรณีที่ผู้ใช้เลือกแบ่งปันเสียงเพื่อปรับปรุงโมเดล
OpenAI จะไม่นำคลิปเสียงหรือวิดีโอไปฝึกโมเดล เว้นแต่ผู้ใช้เลือกอนุญาตโดยตรงผ่านการตั้งค่า Include your audio recordings หรือ Include your video recordings
อย่างไรก็ตาม หากเปิด Improve the model for everyone ไว้ transcript และไฟล์อื่นภายใน Voice conversation อาจถูกนำไปใช้ปรับปรุงโมเดลได้ ขึ้นอยู่กับแพ็กเกจและการตั้งค่าของบัญชี
ผู้ใช้ Free, Plus และ Pro ใน personal workspace สามารถเลือกแบ่งปันคลิปได้โดยเปิด Improve the model for everyone ก่อน แล้วจึงเปิดตัวเลือกแบ่งปันเสียงหรือวิดีโอเพิ่มเติม
ผู้ใช้ใน ChatGPT Business, Enterprise และ Edu ไม่สามารถแบ่งปันคลิปเสียงหรือวิดีโอจาก Voice conversation เพื่อฝึกโมเดลได้
ดังนั้นผู้ใช้จึงควรตรวจสอบ Data Controls แยกระหว่างการอนุญาตให้ใช้ transcript กับการอนุญาตให้ใช้คลิปเสียง เพราะเป็นการตั้งค่าคนละส่วนกัน
GPT-Live มีความหมายอย่างไรต่อ ChatGPT
GPT-Live ทำให้ Voice มีบทบาทมากกว่าช่องทางรับและส่งเสียง ระบบแบ่งงานระหว่างโมเดลสนทนากับโมเดล reasoning อย่างชัดเจน โดย GPT-Live ดูแลการฟัง จังหวะการพูด การรับคำพูดแทรก และการตอบสนองแบบเรียลไทม์ ส่วนโมเดลเบื้องหลังรับผิดชอบงานค้นข้อมูลและคิดวิเคราะห์ที่ต้องใช้เวลามากกว่า
ระหว่างที่งานเบื้องหลังกำลังประมวลผล GPT-Live ยังรักษาบทสนทนาไว้ได้ ผู้ใช้จึงสามารถพูดต่อ ขอรายละเอียดเพิ่ม หรือเปลี่ยนคำถามได้โดยไม่ต้องรออยู่ในความเงียบ โครงสร้างนี้ยังเปิดทางให้ OpenAI อัปเดตโมเดล reasoning ในอนาคต โดยไม่ต้องสร้างระบบสนทนาด้วยเสียงขึ้นใหม่ทั้งหมด
อย่างไรก็ตาม GPT-Live ในช่วงเปิดตัวยังทำงานอยู่ในขอบเขตของการสนทนา และยังเชื่อมต่อกับ Work, Codex, computer use หรือ connected apps ไม่ได้ ความสามารถในการฟังและพูดอย่างเป็นธรรมชาติจึงยังไม่สามารถเป็นผู้ช่วยที่ลงมือทำงานทุกอย่างแทนผู้ใช้
การเปิดตัว GPT-Live เมื่อวันที่ 8 กรกฎาคม 2026 จึงวางรากฐานให้ ChatGPT สื่อสารด้วยเสียงได้ต่อเนื่องขึ้น พร้อมประสานงานกับโมเดลอื่นเมื่อคำถามต้องใช้การค้นหาและการคิดวิเคราะห์
ภาพของผู้ช่วยแบบ “Jarvis” ยังอยู่ไกลกว่าความสามารถที่เปิดให้ใช้ในวันนี้ แต่ระยะห่างระหว่างการพิมพ์คำสั่งกับการพูดคุยกับ AI เริ่มลดลงอย่างชัดเจน GPT-Live ทำให้ Voice เป็นส่วนติดต่อหลักของ ChatGPT มากขึ้น แม้การลงมือปฏิบัติแทนผู้ใช้ยังต้องพึ่งพาระบบ agent และเครื่องมืออีกหลายส่วน.
Reference Source
* Introducing GPT-Live — OpenAI
* ChatGPT Voice — OpenAI Help Center
* ChatGPT Release Notes: Introducing GPT-Live-1
in ChatGPT Voice — OpenAI Help Center
* GPT-Live System Card — OpenAI Deployment Safety Hub
* Using ChatGPT in CarPlay — OpenAI Help Center
* Data Controls FAQ — OpenAI Help Center
* Voice Dictation FAQ — OpenAI Help Center
โฆษณา
- ดาวน์โหลดแอปพลิเคชัน
- © 2026 Blockdit
