ChatGPT Voice Lên Desktop: Điều Khiển Work, Codex Và Nhiều AI Agent Bằng Giọng Nói

ChatGPT Voice không còn chỉ là một cách nói chuyện với chatbot. Từ ngày 24/7/2026, OpenAI bắt đầu đưa Voice vào ứng dụng ChatGPT desktop mới trên macOS và Windows, cho phép người dùng dùng giọng nói để khởi chạy tác vụ, kiểm tra tiến độ, thay đổi yêu cầu và điều phối nhiều agent đang hoạt động trong ChatGPT Work hoặc Codex.

Điểm quan trọng nằm ở chỗ Voice lần này không chỉ chuyển lời nói thành văn bản. Nó được vận hành bởi GPT‑Live, mô hình giọng nói full-duplex có thể nghe và nói đồng thời, cho phép người dùng ngắt lời tự nhiên trong khi hệ thống vẫn theo dõi bối cảnh và phối hợp công việc trong ứng dụng. Với người làm nội dung, solopreneur, đội sản phẩm hay developer, đây có thể là bước chuyển từ “ra lệnh cho từng công cụ” sang “điều hành một nhóm agent bằng hội thoại”.

Tuy nhiên, câu quảng bá “điều khiển máy tính bằng giọng nói” cần được hiểu chính xác. Voice không tự có toàn quyền trên thiết bị. Nó chỉ sử dụng các công cụ, tệp, ứng dụng và quyền mà người dùng hoặc quản trị viên đã cấp cho Work hay Codex. Những hành động nhạy cảm vẫn có thể yêu cầu xác nhận, còn phạm vi thực tế phụ thuộc gói tài khoản, phiên bản ứng dụng, quyền hệ điều hành và thiết lập workspace.

OpenAI vừa công bố điều gì về ChatGPT Voice trên desktop?

Theo ChatGPT Release Notes, Voice hiện đã có trong Work và Codex trên ứng dụng ChatGPT desktop. Người dùng có thể bắt đầu một tác vụ mới bằng giọng nói, nói tự nhiên, ngắt lời khi cần và yêu cầu Voice khởi chạy hoặc điều phối công việc bằng các công cụ cùng quyền truy cập của trải nghiệm đang chọn.

Tài liệu ChatGPT Voice xác nhận tính năng này khả dụng cho các tài khoản đủ điều kiện trên macOS và Windows. OpenAI đang triển khai toàn cầu cho Plus, Pro, Business, Edu và Enterprise. Với môi trường tổ chức, quyền truy cập còn phụ thuộc thiết lập của workspace. Trong giai đoạn early access dành cho Enterprise, Edu và Healthcare, quản trị viên có thể phải bật cả Advanced voice capabilities lẫn Early Model Access trước khi thành viên nhìn thấy Live.

Thông báo mới nối tiếp đợt cập nhật ứng dụng desktop giữa tháng 7/2026, khi OpenAI hợp nhất Chat, Work và Codex vào một ứng dụng chung. Người dùng ChatGPT có thể chuyển giữa Chat và Work, trong khi Codex vẫn là một không gian riêng dành cho phát triển phần mềm. Việc bổ sung Voice biến giao diện hợp nhất này thành một “bàn điều hành” có thể tương tác bằng lời nói thay vì chỉ chuột và bàn phím.

Tóm tắt nhanh

GPT‑Live là nền tảng phía sau Voice mới

OpenAI giới thiệu GPT‑Live ngày 8/7/2026 như một thế hệ mô hình giọng nói mới dành cho tương tác tự nhiên giữa người và AI. Khác với cách xử lý theo lượt truyền thống, GPT‑Live dùng kiến trúc full-duplex: hệ thống có thể nghe trong khi đang nói, nhận biết người dùng muốn chen vào, dừng đúng lúc hoặc giữ im lặng khi người nói cần suy nghĩ.

Khả năng này đặc biệt quan trọng khi Voice được dùng để điều phối công việc. Trong một cuộc trò chuyện bình thường, người dùng có thể chờ AI trả lời xong rồi mới sửa yêu cầu. Nhưng với Work hay Codex, tác vụ có thể kéo dài nhiều phút, gồm nhiều agent hoặc nhiều giai đoạn. Full-duplex giúp người dùng can thiệp ngay khi nhận thấy hướng đi không đúng, thay vì đợi toàn bộ chuỗi công việc kết thúc.

GPT‑Live cũng có thể chuyển các câu hỏi cần web search, reasoning sâu hoặc xử lý phức tạp cho mô hình frontier phía sau, rồi trả kết quả về cuộc hội thoại. Trong thời gian tác vụ chạy, lớp Voice vẫn có thể duy trì trao đổi. Đây là điểm khiến GPT‑Live phù hợp với vai trò “điều phối viên” hơn là một công cụ ghi âm hoặc đọc văn bản đơn thuần.

Voice khác Dictation như thế nào?

Dictation biến một đoạn ghi âm thành văn bản có thể chỉnh sửa. Người dùng nói, hệ thống chép lại, rồi nội dung được đưa vào ô nhập liệu. Voice là một cuộc hội thoại trực tiếp: AI nghe, hiểu, phản hồi, theo dõi bối cảnh và có thể dùng công cụ trong không gian đang chọn.

Vì vậy, câu “hãy ghi lại các ý sau” phù hợp với Dictation. Còn câu “hãy mở dự án này, giao một agent rà lỗi, agent khác viết test, sau đó báo cho tôi khi cả hai hoàn tất” thuộc về Voice trong Codex. Tương tự, “hãy ghi lại nội dung cuộc họp” là nhu cầu chép lời; “hãy biến các quyết định vừa nói thành bảng công việc và giao cho từng agent xử lý” là nhu cầu Work.

Ai được dùng ChatGPT Voice trong Work và Codex?

OpenAI cho biết Voice trong Work và Codex đang được triển khai toàn cầu trên ứng dụng desktop cho Plus, Pro, Business, Edu và Enterprise. “Triển khai toàn cầu” không có nghĩa mọi tài khoản đều nhìn thấy cùng một lúc. Đây vẫn là quá trình rollout, nên một số người dùng có thể phải cập nhật ứng dụng hoặc chờ tính năng xuất hiện trong tài khoản.

Đối với Business, Edu và Enterprise, quyền truy cập chịu sự kiểm soát của workspace. Quản trị viên có thể tắt Voice, Work hoặc quyền sử dụng các công cụ cục bộ theo vai trò. Trong Enterprise, Edu và Healthcare, GPT‑Live có giai đoạn early access hai tuần; tài liệu của OpenAI yêu cầu bật Advanced voice capabilities và Early Model Access để thành viên sử dụng Live trong giai đoạn này.

Voice trong Chat thông thường có phạm vi hỗ trợ rộng hơn và tồn tại trên web, iOS, Android cùng desktop. Nhưng Voice trong Work và Codex là một năng lực riêng của ứng dụng desktop, vì nó cần gắn với agent, local folder, repository, terminal, ứng dụng và quyền hệ điều hành. Người dùng có thể theo dõi một số phiên Codex desktop từ Remote trên iOS, nhưng Codex không trở thành lựa chọn độc lập trên web hoặc mobile.

Ứng dụng ChatGPT desktop mới, không phải ChatGPT Classic

OpenAI hiện phân biệt ứng dụng ChatGPT desktop mới với ChatGPT Classic trên macOS. Ứng dụng mới kết hợp Chat, Work và Codex. ChatGPT Classic vẫn được hỗ trợ cho các năng lực cũ, nhưng các tính năng agent mới có thể chỉ xuất hiện trong ứng dụng mới.

Người đang dùng Codex app chỉ cần cập nhật theo quy trình thông thường; sau cập nhật, ứng dụng trở thành ChatGPT desktop mới và giữ lại dự án Codex. Người đang dùng ChatGPT desktop cũ có thể thấy lời nhắc tải ứng dụng mới. Hai ứng dụng có thể cùng tồn tại trong một thời gian, nên cần kiểm tra đúng tên và giao diện trước khi kết luận Voice chưa được cấp.

Nên nói với Work hay Codex?

Work và Codex đều có thể được điều khiển bằng Voice, nhưng chúng không phục vụ cùng một loại công việc.

ChatGPT Work hướng đến nhiệm vụ dài, nhiều bước và có đầu ra hoàn chỉnh. Work có thể nghiên cứu một chủ đề, phân tích tài liệu, xây bảng tính, tạo slide, viết báo cáo hoặc hoàn thiện một Site. Trong ứng dụng desktop, Work có thể dùng tệp cục bộ và ứng dụng đã được người dùng cho phép.

Codex dành cho phát triển phần mềm. Nó có thể làm việc với repository, thư mục cục bộ, terminal, test, diff và công cụ developer. Voice trong Codex phù hợp với việc nói yêu cầu kỹ thuật, giao từng agent điều tra một hướng, hỏi tiến độ hoặc yêu cầu review thay đổi.

Một nguyên tắc đơn giản là nhìn vào sản phẩm cuối. Nếu đầu ra là báo cáo, kế hoạch, bảng tính, slide, tài liệu hoặc nghiên cứu, hãy chọn Work. Nếu đầu ra là code, test, pull request, sửa lỗi hoặc thay đổi trong repository, hãy chọn Codex.

Ví dụ lệnh Voice dành cho Work

• “Đọc ba báo cáo trong thư mục này, giao một agent tóm tắt số liệu, một agent kiểm tra mâu thuẫn, rồi tạo slide 12 trang cho cuộc họp chiều nay.”

• “Mở trình duyệt, thu thập giá từ năm đối thủ, tạo bảng so sánh và hỏi tôi trước khi đưa ra khuyến nghị cuối cùng.”

• “Theo dõi tiến độ của các agent. Nếu một agent thiếu dữ liệu, hãy báo tôi thay vì tự suy đoán.”

Ví dụ lệnh Voice dành cho Codex

• “Giao một agent kiểm tra lỗi đăng nhập, một agent rà migration database và một agent viết test hồi quy. Đừng sửa production config.”

• “Chạy test ở package checkout, giải thích lỗi đầu tiên và hỏi tôi trước khi thay đổi schema.”

• “So sánh hai phương án sửa performance, ghi rõ rủi ro và chỉ triển khai phương án được tôi phê duyệt.”

Điều phối nhiều agent bằng một cuộc hội thoại

Câu đáng chú ý nhất trong thông báo của OpenAI là khả năng “direct multiple agents running in ChatGPT Work or Codex”. Điều này cho thấy Voice không chỉ bắt đầu một nhiệm vụ đơn lẻ mà còn có thể trở thành lớp giao tiếp chung cho nhiều tiến trình agent đang chạy.

Trong thực tế, một dự án có thể được chia thành bốn nhánh: agent nghiên cứu nguồn, agent phân tích dữ liệu, agent tạo bản nháp và agent review. Thay vì mở từng cửa sổ để hỏi tiến độ, người dùng có thể yêu cầu Voice tổng hợp trạng thái, xác định nhánh bị chặn và chuyển ưu tiên.

Giá trị lớn nhất không phải là “không cần dùng tay”, mà là giảm chi phí chuyển đổi ngữ cảnh. Một solopreneur đang chỉnh video có thể nói: “Trong khi tôi làm phần dựng, hãy cho agent nghiên cứu tiếp tục tìm nguồn, dừng agent viết bài ở phần chưa đủ dữ liệu và nhắc tôi khi bảng so sánh hoàn tất.” Voice trở thành một kênh điều hành song song với công việc chính.

Tuy vậy, người dùng vẫn phải thiết kế cách phối hợp. Nếu giao cho nhiều agent cùng sửa một tệp, cùng thay đổi một hệ thống hoặc cùng đưa ra quyết định không có tiêu chí rõ, tốc độ cao có thể tạo ra xung đột nhanh hơn. Mô hình hiệu quả là phân vai, giới hạn phạm vi và chỉ định một bước tổng hợp cuối.

Cấu trúc brief bằng giọng nói nên có gì?

1. Mục tiêu cuối: deliverable phải là gì.

2. Nguồn dữ liệu: thư mục, repository, website hoặc tài liệu được phép dùng.

3. Ranh giới: điều gì không được sửa, không được gửi hoặc không được tự quyết.

4. Phân vai: mỗi agent phụ trách phần nào.

5. Tiêu chí nghiệm thu: cách xác định công việc hoàn tất.

6. Điểm phê duyệt: bước nào phải hỏi người dùng trước khi tiếp tục.

“Điều khiển máy tính” không đồng nghĩa cấp toàn quyền

Để nghe lệnh, ứng dụng cần quyền microphone. Khi tác vụ cần hiểu nội dung trên màn hình hoặc điều khiển một số ứng dụng, macOS hay Windows có thể yêu cầu thêm Screen & Audio Recording, Accessibility hoặc quyền tương đương. Work và Codex còn có lớp quyền riêng: local folder nào được mở, repository nào được dùng, trình duyệt nào được truy cập và terminal có được thực thi hay không.

Voice chỉ dùng các công cụ cùng quyền mà trải nghiệm đang chọn có sẵn. Nếu Codex không được mở repository, câu lệnh bằng giọng nói không thể vượt qua giới hạn đó. Nếu Work chưa được phép dùng một ứng dụng, Voice cũng không tự cấp quyền.

Đây là điểm quan trọng với doanh nghiệp. Quản trị viên có thể dùng role-based access control để giới hạn Work theo vai trò. Người dùng cá nhân cũng nên áp dụng nguyên tắc quyền tối thiểu: chỉ mở thư mục cần thiết, chỉ cấp ứng dụng liên quan và thu hồi quyền sau khi hoàn thành dự án nhạy cảm.

Những hành động nên yêu cầu xác nhận

• Gửi email, đăng nội dung hoặc xuất bản ra bên ngoài.

• Xóa tệp, thay đổi dữ liệu hoặc chạy migration.

• Mua hàng, thanh toán hoặc thay đổi gói dịch vụ.

• Đăng nhập vào hệ thống chứa dữ liệu nhạy cảm.

• Merge code, deploy production hoặc thay đổi secrets.

Voice làm giao tiếp nhanh hơn, nhưng tốc độ không nên thay thế kiểm soát. Một lệnh tốt nên nói rõ: “Hãy chuẩn bị bản nháp, nhưng hỏi tôi trước khi gửi”, hoặc “Có thể chạy test, nhưng không deploy và không sửa dữ liệu production”.

Cloud Work và local Work khác nhau khi dùng Voice

Work trên web và mobile chạy trên cloud. Các cuộc trò chuyện Cloud Work có thể đồng bộ giữa web, mobile và desktop. Người dùng có thể bắt đầu trên điện thoại, tiếp tục trên desktop và xem lại từ web.

Trong ứng dụng desktop, Work còn có thể sử dụng local files và desktop apps khi gói cùng workspace cho phép. Các cuộc trò chuyện local có thể ở lại trên máy thay vì trở thành lịch sử cloud. Codex cũng làm việc với local folder, repository, terminal và developer tools.

Trước khi đưa dữ liệu vào Voice, người dùng cần biết tác vụ đang chạy ở đâu. Một bảng ngân sách cá nhân, source code riêng hoặc tài liệu khách hàng có thể cần xử lý cục bộ. Ngược lại, một nghiên cứu công khai cần tiếp tục trên nhiều thiết bị có thể phù hợp với Cloud Work.

Không nên suy đoán rằng “desktop” đồng nghĩa “mọi dữ liệu đều ở local”. Một tác vụ mở từ desktop vẫn có thể là Cloud Work. Cách an toàn là xem loại cuộc trò chuyện, quyền tệp và thiết lập workspace trước khi cấp dữ liệu.

Sáu tình huống Voice có thể tạo giá trị rõ nhất

1. Solopreneur vận hành nhiều đầu việc cùng lúc

Một người vừa quản lý nội dung, website, affiliate, khách hàng và sản phẩm số thường phải chuyển liên tục giữa nghiên cứu, chỉnh sửa và kiểm tra. Voice có thể giúp giao việc trong khi người dùng đang thực hiện một nhiệm vụ khác: yêu cầu Work tổng hợp dữ liệu, Codex kiểm tra website và một agent khác chuẩn bị báo cáo.

Điểm có giá trị là khả năng hỏi tiến độ mà không mở từng màn hình. Người dùng có thể nói: “Agent nào đang bị chặn?”, “Tạm dừng phần viết vì nguồn chưa đủ”, hoặc “Ưu tiên sửa lỗi checkout trước, báo cáo SEO để sau”.

2. AI Creator và content team

Voice có thể điều phối quá trình từ nghiên cứu đến bản nháp: một agent tìm nguồn chính thức, một agent tổng hợp số liệu, một agent viết outline và một agent kiểm tra claim. Người dùng vẫn cần duyệt chất lượng, nhưng không phải tự tay điều khiển từng bước.

Với video, người dùng có thể tiếp tục dựng hình trong khi Work chuẩn bị mô tả, metadata, bảng nguồn và checklist xuất bản. Đây là cách dùng phù hợp hơn so với yêu cầu Voice tự xuất bản ngay.

3. Developer và kỹ sư phần mềm

Trong Codex, Voice có thể dùng để giao agent điều tra các lỗi khác nhau, chạy test, review diff hoặc giải thích tiến độ. Developer đang đọc code có thể hỏi: “Agent backend đã tìm thấy nguyên nhân chưa?”, “Đừng sửa schema, chỉ viết reproduction”, hoặc “Tạo thêm agent kiểm tra security impact”.

Voice không thay thế review code. Nó giảm thời gian điều phối và nhập lệnh, trong khi quyết định kiến trúc vẫn cần người chịu trách nhiệm.

4. Product, design và research team

Một product lead có thể yêu cầu Work chia brief thành nghiên cứu người dùng, phân tích đối thủ, tổng hợp yêu cầu và draft tài liệu. Khi một nhánh trả kết quả yếu, người dùng có thể sửa hướng ngay bằng lời nói. Cách làm này phù hợp với giai đoạn exploration hơn là phê duyệt cuối cùng.

5. Hỗ trợ khả năng tiếp cận

Voice có thể giảm phụ thuộc vào thao tác chuột và bàn phím cho người gặp hạn chế vận động hoặc cần làm việc rảnh tay. Giá trị này phụ thuộc chất lượng nhận giọng, ngôn ngữ, môi trường âm thanh và mức độ tương thích với quyền Accessibility của hệ điều hành.

6. Follow-up sau cuộc họp

Sau cuộc họp, người dùng có thể nói các quyết định, yêu cầu Work biến chúng thành bảng công việc, giao từng nhánh cho agent và chuẩn bị tài liệu follow-up. Để tránh sai, nên yêu cầu hệ thống đọc lại các quyết định và điểm còn mơ hồ trước khi thực thi.

Cách bắt đầu dùng Voice trong Work hoặc Codex

1. Cài hoặc cập nhật ứng dụng ChatGPT desktop mới. Người dùng Codex app có thể cập nhật ứng dụng hiện tại. Người dùng ChatGPT desktop cũ cần làm theo lời nhắc chuyển sang ứng dụng mới.

2. Chọn ChatGPT hoặc Codex từ menu góc trên bên trái. Nếu chọn ChatGPT, tiếp tục chọn Work ở thanh chuyển đổi phía trên.

3. Mở một tác vụ hoặc dự án. Có thể bắt đầu cuộc trò chuyện mới, mở Project hoặc chọn local folder khi gói và workspace cho phép.

4. Bấm nút Voice. OpenAI cho biết người dùng cũng có thể dùng shortcut tự cấu hình trong Settings, nhưng chưa công bố một phím tắt mặc định.

5. Cấp quyền microphone và quyền desktop cần thiết. Chỉ cấp Screen Recording, Accessibility hoặc quyền thư mục khi tác vụ thực sự cần.

6. Nói mục tiêu, ràng buộc và tiêu chí hoàn thành. Trong quá trình chạy, có thể ngắt lời, hỏi tiến độ, đổi ưu tiên hoặc yêu cầu phê duyệt.

Một prompt Voice mẫu cho Work

Một prompt Voice mẫu cho Codex

Usage, giới hạn và những điều cần biết

Tài liệu OpenAI cho biết chỉ một cuộc hội thoại Voice có thể chạy tại một thời điểm. Voice trong Work và Codex sử dụng allowance cùng pricing riêng của Work hoặc Codex. Khi flexible pricing áp dụng, thời gian kết nối Voice có thể được tính riêng, còn tác vụ được khởi chạy qua Voice vẫn rút từ cùng pool agentic usage và credit của Work/Codex.

Điều này có nghĩa một cuộc trò chuyện dài không chỉ tiêu thụ tài nguyên giọng nói. Nếu Voice khởi chạy nhiều agent, các agent đó vẫn dùng quota tác vụ. Doanh nghiệp nên theo dõi usage, đặt giới hạn và xây quy tắc về khi nào được tạo agent mới.

Voice có thể mắc lỗi nghe sai, hiểu sai tên file, repository, số liệu hoặc mốc thời gian. Người dùng nên nói rõ tên dự án, đọc lại các con số quan trọng và dùng ngày tuyệt đối thay vì “hôm qua” hoặc “ngày mai” trong tác vụ nhạy cảm. OpenAI cũng khuyến nghị kiểm tra thông tin quan trọng, đặc biệt với câu hỏi phụ thuộc thời gian, địa điểm hoặc dữ liệu mới.

Những gì Voice chưa nên được dùng để tự quyết

• Quyết định pháp lý, y tế hoặc tài chính không có chuyên gia kiểm tra.

• Deploy production, xóa dữ liệu hoặc merge code không review.

• Gửi nội dung ra công chúng khi chưa kiểm chứng nguồn.

• Chia sẻ secrets, thông tin khách hàng hoặc dữ liệu nhạy cảm ngoài phạm vi được phép.

• Thay người quản lý phê duyệt ngân sách, tuyển dụng hoặc thay đổi quyền truy cập.

ChatGPT Voice trên desktop thay đổi điều gì?

Trong nhiều năm, giao diện AI chủ yếu dựa vào ô chat: người dùng gõ yêu cầu, chờ câu trả lời và tiếp tục bằng một tin nhắn khác. Voice trong Work và Codex đưa mô hình tương tác gần hơn với cách một người điều hành nhóm: giao việc, nhận báo cáo, cắt ngang, đổi ưu tiên và yêu cầu xác nhận.

Đây chưa phải “máy tính tự vận hành hoàn toàn”. Người dùng vẫn phải định nghĩa mục tiêu, kiểm soát quyền, thiết kế quy trình và đánh giá kết quả. Nhưng khi agent có thể làm việc song song, lớp Voice giúp giảm ma sát điều phối. Với creator, solopreneur và developer, giá trị có thể nằm ở việc tiếp tục làm công việc chính trong khi dùng lời nói để quản lý các nhánh phụ.

Thay đổi dài hạn có thể không phải là bỏ chuột hay bàn phím, mà là hình thành một kỹ năng mới: biết nói một brief có cấu trúc, biết phân vai cho agent, biết đặt điểm phê duyệt và biết nhận diện khi hệ thống đang chạy sai hướng. GPT‑Live cung cấp cuộc hội thoại tự nhiên; Work và Codex cung cấp năng lực thực thi; người dùng vẫn là người thiết kế hệ thống và chịu trách nhiệm cuối cùng.

Kết luận

ChatGPT Voice trên desktop là một cập nhật quan trọng vì nó nối giọng nói trực tiếp với hai môi trường agentic mạnh nhất của OpenAI: Work cho nghiên cứu và deliverable, Codex cho phát triển phần mềm. Người dùng có thể khởi chạy tác vụ, theo dõi tiến độ và điều phối nhiều agent trong một cuộc hội thoại do GPT‑Live vận hành.

Tính năng đang được triển khai toàn cầu trên macOS và Windows cho Plus, Pro, Business, Edu và Enterprise đủ điều kiện. Khả năng cụ thể phụ thuộc phiên bản ứng dụng, gói tài khoản, workspace và quyền hệ điều hành. Để dùng hiệu quả, cần brief rõ, phân vai agent, quyền tối thiểu và bước phê duyệt cho hành động nhạy cảm.

Voice làm tốc độ giao việc nhanh hơn. Chất lượng cuối cùng vẫn phụ thuộc cách con người xác định mục tiêu, kiểm chứng kết quả và giữ quyền quyết định.