Trò chuyện với AI bằng giọng nói, không cần gõ phím

Cuộc trò chuyện trực tiếp bằng giọng nói là gì

Phiên trong GPT Realtime Assistant là cuộc trò chuyện do chính bạn bắt đầu và kết thúc. Chạm Bắt đầu (Bắt đầu phiên trên iPad và Mac) là micro mở: điều bạn nói hiện thành bản ghi, và câu trả lời của trợ lý hiện bên cạnh. Bạn không phải nhấn gì giữa các câu hỏi. Trợ lý tự trả lời mỗi lượt, nên nhịp điệu gần với nói chuyện với một người hơn là đọc vào ô tìm kiếm.

Đó là một cuộc trò chuyện, không phải chuỗi lệnh rời rạc. Một câu hỏi tiếp như “còn cái thứ hai thì sao?” hay “ngắn hơn nhé” được hiểu dựa trên những gì đã nói trước đó, như với một người đã lắng nghe từ đầu.

Ứng dụng chạy trên iPhone và iPad với iOS hoặc iPadOS 26 trở lên, và trên Mac dùng Apple silicon với macOS 26 trở lên.

Bắt đầu, từng bước

Chưa tới một phút, phần lớn là để quyết định đặt thiết bị ở đâu.

1. Mở ứng dụng và bắt đầu phiên mới. Với câu hỏi chung, một phiên có chỉ dẫn của riêng bạn là đủ; mẫu sẽ giúp khi cuộc trò chuyện có mục đích, chẳng hạn Tác vụ lập trình hoặc Phỏng vấn.
2. Chọn “Mức độ chi tiết”: Ngắn gọn, Cân bằng hoặc Chi tiết. Mặc định là Cân bằng.
3. Kiểm tra rằng Dịch đang tắt. Tính năng dịch là cài đặt chung của cả ứng dụng, vẫn bật cho đến khi bạn tắt, và khi đang bật, mọi điều bạn nói đều được dịch từ ngôn ngữ này sang ngôn ngữ khác.
4. Dựng thiết bị ở nơi bạn đọc được mà không cần cầm lên: trên giá đỡ ở bàn làm việc, tựa vào tường sau bệ bếp, trên tay vịn ghế sofa.
5. Chạm Bắt đầu và hỏi như bạn hỏi một người.
6. Chạm Kết thúc khi xong. Cuộc trò chuyện ở lại trong lịch sử của phiên, trên thiết bị.

Ngắt lời bằng cách lên tiếng

Khi bạn bắt đầu nói, trợ lý dừng câu trả lời đang dở. Cơ chế chỉ có vậy, và chính nó làm cho cuộc trò chuyện bằng giọng nói dùng được: bạn không phải chờ hết một câu trả lời đã đi sai hướng, và không phải tìm nút để cắt ngang.

Hãy dùng nó như với một người hiểu nhầm câu hỏi. “Không, ý tôi là tàu hỏa, không phải máy bay.” “Chỉ cần con số thôi.” “Bỏ qua phần nền — giờ tôi phải làm gì?” Trợ lý tiếp nhận lời sửa và tiếp tục từ đó.

Micro nghe cả căn phòng, không chỉ bạn. Một người khác nói gần đó, hay ti vi, đến micro theo cùng cách với giọng bạn, nên một góc yên tĩnh cho cuộc trò chuyện rõ ràng hơn một căn bếp ồn ào.

Ngắn gọn, Cân bằng hay Chi tiết

Cài đặt “Mức độ chi tiết” quyết định câu trả lời dài bao nhiêu. Nó quan trọng hơn trong cuộc trò chuyện bằng giọng nói so với khi gõ, vì bạn hỏi bằng giọng và giờ đọc câu trả lời từ cách một sải tay, thường là trong lúc đang làm việc khác.

Bạn cũng có thể xin câu trả lời ngắn hơn hay dài hơn ngay lúc đó — “trong một dòng thôi”, “giải thích kỹ vào” — mà không cần đổi cài đặt.

• Ngắn gọn: câu trả lời ngắn nhất. Hợp với những lượt qua lại nhanh, một dữ kiện bạn cần khi tay đang bận, và mọi thứ bạn muốn nắm trong một cái liếc.
• Cân bằng: mặc định, ở giữa hai mức kia. Lựa chọn hợp lý khi bạn chưa biết cuộc trò chuyện sẽ ra sao.
• Chi tiết: khi bạn đang ngồi yên và muốn thấy đầy đủ lập luận, các bước hay các phương án.

Giữ màn hình sáng

Đây là quy tắc hay khiến người ta bất ngờ. Phiên trực tiếp kết thúc khi ứng dụng chuyển xuống nền hoặc màn hình khóa: ứng dụng hiện “Ứng dụng không hoạt động. Phiên thời gian thực đã đóng.” và ngừng nghe. Xem tin nhắn trong ứng dụng khác, hay để điện thoại tự khóa trên bàn, đều kết thúc cuộc trò chuyện.

Đó cũng là lý do rảnh tay ở đây không có nghĩa là rảnh tay khi lái xe. Câu trả lời nằm trên màn hình, và đọc màn hình không phải việc nên làm khi cầm lái.

Với bất cứ điều gì dài hơn một câu hỏi nhanh:

• Đặt Tự động khóa lâu hơn trong Cài đặt của thiết bị khi đang dùng ứng dụng, và đặt lại sau đó.
• Cắm sạc cho phiên dài. Micro mở và màn hình sáng tốn pin hơn một chiếc điện thoại nằm yên.
• Nếu phiên bị đóng, hãy quay lại ứng dụng và bắt đầu lại. Bản ghi đến thời điểm đó vẫn được giữ trong phiên.

Khi bạn không thể nói thành tiếng

Có những nơi không hợp để nói chuyện với điện thoại: toa tàu yên tĩnh, văn phòng mở, căn phòng có người đang ngủ. Khi đó hãy gõ. Ô “Hỏi AI hoặc dán ngữ cảnh…” nhận đúng những câu hỏi ấy, và câu trả lời trả về theo cùng cách. Đó cũng là chỗ để dán thứ gì dài — một email, một bộ hướng dẫn, một đoạn văn bạn muốn được giải thích — nhanh hơn là tự đọc nó lên.

“Micrô” tắt và bật micro, cho lúc bạn muốn giữ phiên mở nhưng không để nó nghe.

Mặc định, mô hình của OpenAI nghe âm thanh. Ở mục “Đang nghe”, bạn có thể chọn Apple Speech thay thế: lời bạn được ghi ngay trên thiết bị, và văn bản được gửi tới GPT để lấy câu trả lời. Nó thay đổi nơi việc ghi lời diễn ra; câu trả lời vẫn đến từ đám mây.

Nếu khó đọc câu trả lời từ chỗ đặt thiết bị, Cài đặt › Giao diện › Kích thước phông chữ trò chuyện trong ứng dụng có thể tăng lên Cực lớn, cộng thêm vào cỡ chữ đặt cho cả thiết bị.

Nó là gì, và không phải là gì

Nó là một bạn trò chuyện biết trả lời câu hỏi, giải thích, soạn nháp và cùng bạn suy nghĩ, khi bạn hỏi bằng giọng nói. Nó không thay thế Siri. Nó không điều khiển được điện thoại: không đặt hẹn giờ hay báo thức, không gửi tin nhắn, không gọi điện, không mở ứng dụng hay đổi cài đặt. Nó trả lời; bạn hành động.

Nó cũng không chờ sẵn ở chế độ nền để được gọi. Nó chỉ nghe khi một phiên đang mở trên màn hình trước mặt bạn, và phiên kết thúc khi bạn chạm Kết thúc hoặc rời ứng dụng.

Phiên đám mây cần kết nối internet. Trong phiên, âm thanh đi thẳng từ thiết bị đến Realtime API của OpenAI; phiên được lưu trên thiết bị; máy chủ của Arte Soft không bao giờ nhận âm thanh, bản ghi hay câu trả lời. Cách duy nhất để chạy phiên không cần kết nối là phiên cục bộ trên Mac dùng Apple silicon, với các mô hình tải về một lần trong Cài đặt.

Ứng dụng tải về miễn phí, còn phiên cần gói thuê bao; phiên đám mây tiêu tín dụng vào âm thanh và văn bản mà chúng dùng, điều mà hướng dẫn về chi phí một phiên giải thích. Và một câu trả lời chưa phải là sự thật cho đến khi bạn kiểm tra. Với điều gì quan trọng — một liều thuốc, một hạn chót, một câu hỏi pháp lý — hãy dùng câu trả lời để biết nên hỏi gì, rồi hỏi người có chuyên môn.