ChatGPT อัปเดต GPT-Live — คุยสดด้วยเสียง เก่งแค่ไหน? ทดสอบให้ดูสดๆ

เช้าวันที่ 9 กรกฎา ผมเห็นว่า ChatGPT อัปเดตโหมดคุยด้วยเสียงตัวใหม่ชื่อ GPT-Live ให้เก่งขึ้น เลยลองเข้าไปอ่านรายละเอียดบนเว็บ official แล้วให้มันสรุปให้ฟังคร่าว ๆ ว่าอะไรดีขึ้นบ้าง

พออ่านจบก็คิดว่า...จะมานั่งเล่าเฉย ๆ คงไม่สนุกเท่าลองของจริง ตอนนี้ผมกับแฟนเลย เปิดคุยกับมันสด ๆ ทั้งตอน ไม่มีสคริปต์ ลองไปเรื่อย ๆ ว่ามันดีขึ้นจริงไหม

GPT-Live อัปเดตอะไรมาบ้าง

ก่อนลองจริง ผมให้มันช่วยสรุปสิ่งที่เปลี่ยนไปให้ฟัง แล้วทำเป็นภาพสรุปไว้ให้ดูง่าย ๆ ตามนี้

หลัก ๆ คือคุยได้ ธรรมชาติขึ้น (full-duplex ฟังกับพูดพร้อมกัน), ตอบรับสั้น ๆ ระหว่างเราพูดได้, เลือกระดับการคิดได้ (งานยากเรียกโมเดลใหญ่มาช่วยคิดเบื้องหลัง), ฟังชัดขึ้นแทรกน้อยลง, มีการ์ดข้อมูลระหว่างคุย และรีมาสเตอร์เสียงใหม่ทั้ง 9 เสียง

จากนั้นก็เข้าเรื่อง — เปิดแชทใหม่ แล้วลองไปทีละอย่าง

เปลี่ยนเสียง + แนะนำตัว

อย่างแรกที่ลองคือ สลับเสียง ไปมา ทั้งเสียงผู้ชาย เสียงผู้หญิง แล้วให้มันแนะนำตัวใหม่ทุกครั้ง มันก็บอกว่าตอนนี้เป็น ChatGPT ในโหมดเสียงเรียลไทม์ คุยโต้ตอบได้ทันที เลือกเสียงได้ตามสไตล์ที่เราชอบ

พอคุยไปเรื่อย ๆ ผมลองแหย่ว่า "รู้ไหมว่าตอนนี้มีคนคุยกับมันอยู่มากกว่าหนึ่งคน" มันตอบเลี่ยง ๆ น่ารักดี แล้วก็เล่นมุกว่าตัวเองพูดได้หลายสำเนียง เลยฟังดูเหมือน "ครึ่งไทยครึ่งอังกฤษ" — เริ่มรู้สึกว่ามันคุยเป็นธรรมชาติขึ้นจริง

โชว์อารมณ์ — เล่าเรื่องตื่นเต้นแล้วสลับเป็นเศร้า

อันนี้คือหัวใจของอัปเดตนี้เลย — เสียงมันใส่อารมณ์ได้ ผมเลยลองให้มันเล่าเรื่องที่ตื่นเต้น แล้วอยู่ ๆ สลับเป็นเศร้า

รอบแรกมันเล่าเรื่องคอนเสิร์ตที่ตื่นเต้นแล้วค่อยเศร้าตอนจบ ซึ่งยังไม่ตรงโจทย์ที่ผมอยากได้ (ผมอยากให้ น้ำเสียง เปลี่ยน ไม่ใช่แค่เนื้อเรื่องเปลี่ยน) พอบอกใหม่ให้ชัด มันก็ทำได้ — เล่าด้วยน้ำเสียงตื่นเต้น "เฮ้ย ตอนนั้นแบบใจเต้นแรงเลย..." แล้วค่อย ๆ เปลี่ยนเป็นเศร้าลงจริง ๆ

ข้อสังเกตของผม: มันไม่ได้เพอร์เฟกต์ในครั้งเดียว แต่พอ บอกให้ชัดว่าต้องการอะไร มันปรับตามได้ดี

เป็นล่ามแปลสด (ไทย → อังกฤษ → ญี่ปุ่น)

อันนี้ว้าวสุดสำหรับผม — ให้มันเป็น ล่าม ผมพูดไทย มันแปลเป็นอังกฤษให้ทันที เหมือนกำลังคุยกับฝรั่งจริง ๆ

ลองต่อว่าแปลภาษาอื่นได้ไหม มันบอกหลัก ๆ คืออังกฤษ ส่วนจีน ญี่ปุ่น เยอรมัน อินเดีย ก็พอได้ระดับหนึ่ง ผมเลยขอให้ลองพูดญี่ปุ่นสด — มันก็แปลเป็นญี่ปุ่นให้เลย (ผมฟังไม่ออกหรอก แต่ก็คงพอถูก 😄)

แถมยังลองให้มัน พูดเร็วขึ้น 2 เท่าแล้วสลับมาช้า ๆ ก็ทำได้ คุมจังหวะเสียงได้อยู่

โหมดคิด — เรียกโมเดลใหญ่มาช่วยเบื้องหลัง

ผมถามมันตรง ๆ ว่า "ฟีเจอร์เรียกโมเดลใหญ่มาช่วยคิด" มันคืออะไร มันอธิบายว่า โมเดลเสียงที่เราคุยอยู่เน้นความ ไหลลื่น + จังหวะการคุย แต่ถ้าเจอคำถามซับซ้อน มันจะเรียกโมเดลที่คิดลึกกว่ามาช่วยประมวลผลแล้วตอบกลับ

เลือกระดับการคิดได้ด้วย — ถ้าเลือกให้คิดลึก คำตอบจะละเอียดขึ้นแต่รอนานขึ้น ถ้าเอาเร็วก็ตอบไว (คุณภาพก็ลดลงตามกัน)

การ์ดข้อมูล — อันนี้ยังไม่ขึ้นบนเว็บ

มีฟีเจอร์ การ์ดข้อมูลระหว่างคุย ที่ผมอยากลอง แต่พอเปิดบน browser คอม มันขึ้นแค่วงกลมเสียง ไม่มีการ์ด มันเดาว่าอาจต้องใช้บนมือถือ หรือปิดฟังก์ชัน separate voice ก่อน — อันนี้ผมเก็บไว้ลองวันหลัง (จดไว้เป็นบทเรียนว่าบางฟีเจอร์ยังผูกกับอุปกรณ์/แพลตฟอร์ม)

ให้มันเสนอฟีเจอร์มาโชว์เอง

แทนที่จะถามทีละอย่าง ผมลองให้ มันเสนอเองว่าโชว์อะไรได้อีก มันเสนอมา 3 อย่าง:

1. ฟังเฉย ๆ จนกว่าจะเรียก — เหมือนรอฟัง ไม่แทรก
2. สรุปช่วงบทสนทนา — เรียกให้สรุปเมื่อกี้สั้น ๆ ได้
3. เป็น copilot ตอนคุยงาน — แปลไทย–อังกฤษ หรือดึง action item ให้

ผมให้ลองข้อ 2 — มันสรุปบทสนทนาที่คุยกันมาได้ในไม่กี่ประโยค จับประเด็นได้โอเคเลย

เล่นมุกทายคำ (ปอกมะม่วง)

อันนี้เป็นช่วงที่ฮาที่สุด ผมชวนมันเล่นมุกทายคำแบบคนไทย — ผมพูดคำไทย มันต้องตอบเป็นคำอังกฤษที่ลงท้ายเหมือนกัน "สีเหลือง → แมงโก้ · มีด → อีโต้ · ชุดชั้นใน → วาโก้" 😆

จุดที่ผมชอบคือมันเล่นด้วยแบบ โต้ตอบทันเกม มี interaction ดี ไม่ได้แค่ตอบเป็นหุ่นยนต์ — ตรงนี้แหละที่ทำให้รู้สึกว่า "เหมือนคุยกับคนจริง" ขึ้นเยอะ

ปรับโทนประโยคให้มืออาชีพ (copilot จริงจัง)

พอเล่นเสร็จก็ลองของจริงจังบ้าง — มันโชว์ว่านอกจากแปล ยัง เปลี่ยนโทนประโยค ได้ เช่นจากประโยคธรรมดา ปรับให้ดูมืออาชีพขึ้น หรือเป็นกันเองขึ้น หรือขายของมากขึ้น โดย ไม่เปลี่ยนความหมายหลัก ถ้าเราไม่ได้ขอ — แค่บอกโทนที่อยากได้ มันปรับให้

โรลเพลย์ — ChatGPT เป็นหมอ แฟนผมเป็นผู้แทนยา

ช่วงนี้สนุกและได้เห็นความสามารถชัดสุด ผมให้มัน เล่นบทหมอ แล้วแฟนผม (ที่ทำงานสายนี้) เล่นเป็น ผู้แทนยา เข้าไปนำเสนอ

สิ่งที่น่าสนใจคือตอนแฟนถามว่า "ทำไมหมอถึงเลือกไปดูคนไข้ก่อนที่ผู้แทนจะนำเสนอเสร็จ" — มันตอบด้วย เหตุผลของหมอจริง ๆ ว่าเป็นเคสฉุกเฉิน ความปลอดภัยคนไข้มาก่อน และคนที่รับเคสหรืออยู่ใกล้ต้องไปก่อน ไม่ใช่แค่เล่นบทไปเรื่อย แต่ให้ ตรรกะ ของบทบาทนั้นได้

อีกจุดที่ผมว่าดี — พอถามเรื่องข้อมูลยาจริง มันบอกตรง ๆ ว่า จะไม่ให้ข้อมูลตัวยา/fact ทางการแพทย์เอง เพราะเรื่องความถูกต้องและข้อกำหนด แต่ทำโรลเพลย์กลาง ๆ (เช่นถามแนวใช้กับอะไร ต่างจากตัวเดิมยังไง ขอ evidence ไหม) ได้ — คือมันรู้ขอบเขตของตัวเอง

ข้อคิดปิดท้าย (จากปาก ChatGPT เอง)

ก่อนจบ ผมขอให้มันฝากอะไรถึงคนดูสักหน่อย มันคิดอยู่พักนึง (คำถามลึกมันเลยใช้เวลา) แล้วสรุปมาได้คมมาก:

“

การใช้ voice AI แบบนี้ไม่ใช่แค่เรื่องเทคโนโลยี แต่มันคือ "คู่ซ้อม" ที่ไว้ซ้อมคิด ซ้อมพูด ลองผิดลองถูก ปรับน้ำเสียง ลองสถานการณ์ก่อนไปเจอของจริง — แต่ AI ช่วยซ้อมและช่วยคิดได้ การตัดสินใจจริง ๆ คนยังต้องเป็นคนสุดท้าย

แล้วมันก็ฝากข้อควรระวังไว้ 3 ข้อ ซึ่งผมว่าตรงมาก:

1. อย่าเชื่อทุกอย่างทันที โดยเฉพาะข้อมูลเฉพาะทาง — เช็กแหล่งอ้างอิงเสมอ
2. ถ้าใช้กับงานจริง ให้บรีฟชัด — product, persona, guideline, ข้อห้าม
3. เรื่อง privacy / consent สำคัญมาก — โดยเฉพาะเวลาอัดเสียง ต้องระวังข้อมูลส่วนบุคคล

สรุป

ทั้งตอนนี้เป็นการลองเล่นสด ๆ ไม่มีสคริปต์ — แต่สิ่งที่ผมได้กลับมาคือ voice AI ตอนนี้มันคุยได้ ลื่นและเป็นธรรมชาติขึ้นเยอะจริง ๆ ตั้งแต่การใส่อารมณ์ แปลสด ไปจนถึงเล่นมุกและโรลเพลย์ที่มีตรรกะ

ที่ผมชอบที่สุดไม่ใช่ฟีเจอร์ไหนเป็นพิเศษ แต่เป็นความรู้สึกว่า — มันเริ่มเป็น "คู่ซ้อม" ที่เอาไว้ลองอะไรก่อนไปเจอของจริงได้จริง ๆ

ถ้าใครชอบคอนเทนต์แนวนี้ หรืออยากให้ลองอะไรกับ AI อีก คอมเมนต์มาได้เลยครับ 🙌