Voice mode mới của GrokBot: thử thật và so với ChatGPT

1. GrokBot có voice mode mới

Brock mở đầu bằng tin mới: GrokBot vừa ra mắt một voice mode hoàn toàn mới ngay bên trong nền tảng. Từ giờ bạn có thể nói chuyện bằng giọng nói với từng AI agent riêng lẻ mà bạn đã tạo trong GrokBot, và anh nói mình cực kỳ hào hứng với bản phát hành này.

Trong video, anh sẽ mổ xẻ tính năng này, xem chính xác nó hoạt động ra sao, rồi so sánh nó với voice mode của ChatGPT để xem bên nào tốt hơn. Rồi anh vào thẳng nội dung, không vòng vo.

2. Thông báo trên X: voice rollout dần trên desktop và mobile

Đầu tiên Brock cho xem bài đăng thông báo trên Twitter (X). Bài này mới lên được vài tiếng, anh vừa được cấp quyền dùng, và đó là lý do anh làm ngay video review này. Anh hứa giữ mọi thứ thật đơn giản, đi thẳng vào vấn đề, không dài dòng.

Nội dung thông báo: voice đang được rollout trên desktop và mobile trong vài ngày tới. Brock kể anh đã thử cập nhật app GrokBot trên điện thoại vài lần, nhưng vẫn chưa có tính năng này. Đó lại chính là phần anh mong nhất: mở GrokBot trên điện thoại, nói chuyện trực tiếp với AI agent của mình, rồi để nó đi điều phối (orchestrate) các task khác nhau qua những agent anh đã cấu hình trong GrokBot.

3. Tải GrokBot và bộ agent demo

Nếu bạn muốn thử mà chưa tải GrokBot, Brock nói link đăng ký và tải app desktop nằm trong phần mô tả video, và bạn cũng tải được bản cho điện thoại.

Rồi anh mở GrokBot. Trong app anh đã cấu hình sẵn rất nhiều AI agent khác nhau. Anh nói rõ đây là các agent demo, không phải những agent anh dùng thật hằng ngày, vì agent thật chứa thông tin mật mà anh không thể chiếu lên. Và cũng không có cách nào để ẩn thông tin đó đi, việc này khá phiền mỗi khi anh quay video.

4. Main agent điều phối: bạn, executive và operator

Brock mở main agent, agent điều phối chính của anh. Agent này phối hợp với tất cả các AI agent còn lại, là agent anh nói chuyện nhiều nhất, và nó có thể giao (delegate) các task khác nhau cho những agent kia.

Với người mới dùng GrokBot, anh giải thích nguyên lý bằng một sơ đồ. Bạn ở trên cùng, phối hợp với các AI agent cấp executive. Rồi các executive này phối hợp tiếp với các operator, mà anh thích gọi là specialist (chuyên gia): mỗi agent giỏi một loại task cụ thể. Brock cho biết anh có khoảng tám đến mười agent khác nhau chạy cho anh suốt cả ngày.

Nếu muốn tìm hiểu sâu hơn về GrokBot, anh nói kênh có nhiều video khác về chủ đề này và anh sẽ gắn chúng ở cuối video, để bạn thấy chính xác anh dựng và vận hành hệ thống của mình thế nào. Anh cũng nhắc người xem subscribe kênh.

5. Nút voice và phần settings: giọng, tốc độ, ngôn ngữ

Trong GrokBot, ở góc dưới bên phải màn hình giờ có một biểu tượng voice mới. Muốn bật, bạn chỉ cần bấm vào nút đó. Brock tự tắt micro (mute) để giải thích thật đơn giản cách nó hoạt động.

Trước hết, bạn đang nói chuyện với agent đang mở, ở đây là main agent. Bạn nói chuyện được với từng agent riêng. Ví dụ anh có agent "Brand Partnerships Demo": anh có thể vào đúng agent đó và nói chuyện với nó thay vì với main agent. Agent nào cũng trò chuyện bằng giọng nói được.

Rồi bấm vào settings, có vài thứ để chỉnh:

• Voice: đổi giọng của agent. Brock mới thử vài giọng. Mỗi giọng có một biểu tượng nhỏ hiện theo agent. Anh thấy điều này hay vì bạn có thể gán cho mỗi agent một giọng riêng để phân biệt, không để tất cả nghe giống nhau.
• Speed: chỉnh tốc độ nói của voice agent, lên tới 1.5x. Brock thấy tính năng này rất hữu ích từ khi thử, vì các agent có vẻ nói rất chậm. Anh thích voice agent nói nhanh và vào thẳng vấn đề; khi nó mất cả buổi mới nói xong một ý thì rất khó chịu. Nên anh để 1.25x hoặc 1.5x.
• Language: chọn ngôn ngữ. Có khá nhiều, anh ước chừng 12 đến 15, có thể 20 ngôn ngữ, hoặc chọn auto detect. Khi đó agent tự nhận ra bạn đang nói ngôn ngữ nào để trả lời lại bằng đúng ngôn ngữ đó.

6. Nói chuyện với main agent về đống email

Brock bật micro lên và bắt đầu nói. Anh hỏi: "Hey, có chuyện gì không, tên bạn là gì?" Agent trả lời nó là main agent của anh, agent giữ cho anh luôn nhắm vào những việc thật sự tạo tiến triển: kênh YouTube AI for Non-Techies, Skool và Luume. Rồi nó hỏi lại: lúc này điều gì đang kéo anh đi?

Brock nhận xét: như bạn thấy, nó nói rất, rất chậm và khó chịu, nên anh tăng lên 1.5x rồi nói tiếp.

Anh kể việc chính của mình: ngày mai anh có rất nhiều email phải trả lời. Agent đáp đây đúng là loại việc nó chuyển đi (route) thay vì tự mình đào bới. Brock hỏi lại: bạn tự vào xem các email này, hay mình có một agent riêng làm việc đó? Agent trả lời nó đã gửi việc cho specialist phụ trách email. Nó không tự lục inbox, nó chỉ đảm bảo việc tới đúng người. Specialist sẽ quay lại với bản tổng hợp những gì đang chờ và những gì đã được soạn nháp, để sáng mai anh chỉ cần review thay vì bắt đầu từ con số không. Nó hỏi thêm: có muốn nó dặn specialist đánh dấu riêng những việc gấp để chúng không bị chìm không?

Brock đồng ý, nói vậy rất hữu ích, rồi hỏi tên cụ thể của agent kia. Main agent nói nó không có tên của agent đó ở phía mình, nó chỉ route sang mảng email và việc được xử lý. Nó có thể nhờ agent đó tự giới thiệu khi báo cáo lại. Specialist đã bắt đầu phân loại (triage), nên anh sẽ sớm có bản tổng hợp.

7. Email agent: nhắc khách ký hợp đồng bằng giọng nói

Xong với main agent, Brock chuyển sang một agent khác để thử: "Email Agent Demo". Anh nói trước rằng những gì bạn thấy không phải thông tin thật, vì đó là thông tin mật; anh đã bảo agent đổi tên khách hàng, giá cả và các chi tiết khác.

Lần này anh nói chuyện với đúng agent này và đổi sang một giọng khác. Anh hỏi: "Hey, mọi chuyện thế nào?" Agent báo mọi thứ đang chạy: hợp đồng của Rivermark vẫn chưa ký, gồm năm AI audit trị giá 21.000 đô; ba dự án của Rightfold chưa ký, trị giá 24.000 đô; còn Stackmere thì đứng yên ở mức 14.800 đô đã lâu. Nó hỏi anh có muốn nhắc (nudge) bên nào hôm nay không, hay anh đang tập trung việc khác.

Brock bảo nhắc bên đầu tiên là được. Agent xác nhận đang soạn tin nhắc Rivermark về năm audit. Anh dặn nó báo khi tin nhắc đã gửi, agent hứa sẽ báo anh ngay khi tin tới nơi, rồi hỏi có muốn xếp thêm việc gì trong lúc chờ không.

Brock hỏi tiếp: bạn có dùng được computer use không? Agent trả lời có: nó vào được trình duyệt, file, mail, tất cả trên máy anh, và đó chính là cách nó đang lấy dữ liệu inbox và soạn câu trả lời lúc này. Nó hỏi anh cần làm gì.

8. Computer use bằng giọng nói: mở Instagram

Brock yêu cầu agent mở hẳn màn hình computer use lên và thử đăng nhập vào Instagram của anh. Agent đáp nó có thể mở trình duyệt và vào Instagram, nhưng sẽ không gõ thông tin đăng nhập của anh. Anh nói: "Perfect, làm đi."

Agent báo trình duyệt đã mở ở trang đăng nhập Instagram, chưa gõ gì cả, và anh sẽ phải tự đăng nhập. Nó hỏi có muốn nó theo dõi màn hình trong lúc anh đăng nhập hay chuyển sang việc khác. Rồi nó mô tả lại màn hình: Instagram đang ở trang chặn khi chưa đăng nhập, có ô username và password, nút log in, quên mật khẩu, đăng nhập bằng Facebook và tạo tài khoản mới; chưa có lần đăng nhập nào xảy ra. Brock cảm ơn và nói vậy là đủ.

Anh nhận xét: khá hay. Anh chỉ ngồi đó và bảo agent dùng computer use để vào Instagram, hoặc ít nhất là thử đăng nhập, và nó đã thực sự dùng máy tính để mở Instagram lên. Không chỉ vậy, nó còn đánh dấu và giao việc cho các AI agent chuyên biệt khác của anh. Theo anh, điều này thật sự khá hay.

9. Plugins và Zapier MCP cho những app không có sẵn

Nếu bạn chưa dùng GrokBot bao giờ, Brock nói điều hay là bạn kết nối được các ứng dụng mình đang dùng. Ví dụ, anh đang để agent lấy dữ liệu từ inbox email, và dùng voice mode để kéo thông tin đó về. Nó gần giống như có một Jarvis của riêng mình, làm việc xuyên qua các ứng dụng bạn dùng.

Việc này làm được nhờ plugins bên trong GrokBot. Anh có 24 ứng dụng đã cấu hình và cuộn qua cho xem: X, Granola, Gmail, Clay, ClickUp và nhiều nền tảng khác anh đã kết nối.

Nhưng nếu có một app bạn muốn kết nối mà không thấy trong danh sách thì sao? Bạn làm được bằng Zapier MCP. Brock đã cấu hình sẵn một Zapier MCP server. Ví dụ, anh dùng Drip cho các email marketing campaign, và GrokBot không có plugin cho Drip. Nghĩa là không có cách nào kết nối Drip vào GrokBot, trừ khi dùng thứ như Zapier MCP.

10. Kéo dữ liệu campaign từ Drip qua Zapier MCP

Brock quay lại GrokBot, bật voice mode và nhờ agent lấy thông tin từ Drip, vì nó đang dùng Zapier để bắc cầu cho khoảng trống đó. Anh nói: "Hey, giúp mình một việc, lấy dữ liệu campaign mới nhất từ Drip qua Zapier MCP nhé?"

Agent đáp nó đang kéo dữ liệu campaign Drip mới nhất qua Zapier MCP; việc đã bắt đầu và nó sẽ báo số liệu ngay khi có. Nó hỏi anh muốn xem điều gì cụ thể hay cả bức tranh. Anh trả lời chỉ cần các chi tiết chính và các chỉ số chính. Agent xác nhận đó đúng là thứ lệnh lấy dữ liệu đang được thiết lập để lấy, sẽ có sớm.

Brock giải thích việc này có lẽ sẽ mất một lúc, vì agent phải thực hiện nhiều tool call ở phía sau. Ở dưới màn hình có dòng báo đang kết nối tới Zapier, kèm biểu tượng agent nhỏ đang nhún nhảy.

Trong lúc chờ, anh nói anh thật sự thích GrokBot: dùng rất đơn giản, anh mê giao diện, và thành thật mà nói anh thấy mình dùng nó ngày càng nhiều thay cho Claude. Claude từng là công cụ chính của anh, nhưng giờ anh dùng GrokBot khá nhiều.

Rồi agent đọc kết quả: campaign "YT-260917 Claude 2.0", tiêu đề "Claude just added Docs and Slides", gửi hôm qua lúc 3 giờ 34 chiều, theo lời agent là giờ Lisbon, tới những người đăng ký trước ngày 9 tháng 9, khoảng 14.831 subscriber đang hoạt động. Agent còn báo trước một điều: tỷ lệ mở và click không lấy được qua Drip API.

Brock ngắt lời: "Perfect, bạn chỉ cần dán thông tin đó vào chat thôi, đừng giảng cả bài." Agent bắt đầu đọc lại bản tóm tắt lần gửi Drip mới nhất. Anh nhận xét nó không giỏi nghe lời lắm, vì anh muốn nó thôi nói và chỉ gửi bản tổng quan dạng chữ. Nhưng nó đã thật sự kéo được thông tin từ Drip qua Zapier MCP, và anh thấy vậy là hay: bạn có thể cho nó làm việc xuyên qua nhiều ứng dụng, đưa bản tổng quan, và cũng thực hiện hành động trên các ứng dụng đó.

11. So sánh với voice mode của ChatGPT trong Codex

Brock muốn so sánh rất nhanh với voice mode của ChatGPT trong Codex, vì anh cho rằng bên đó tốt hơn hẳn về giọng nói: anh ngắt lời nó được, nó nghe giống người hơn, và anh còn kích hoạt được Codex để chạy các workflow cụ thể cho mình. Giả sử voice mode của GrokBot tốt bằng voice mode của ChatGPT thì sẽ tuyệt vời, nhưng thành thật mà nói, anh nghĩ OpenAI đã đặt chuẩn cho voice agent dùng LLM.

Anh thử ngay. Anh chào, voice của Codex đáp nó đã sẵn sàng giúp bất cứ việc gì anh muốn xử lý. Anh nhờ xem task cuối cùng đã chạy trong Codex. Nó trả lời: task cuối là chạy một request Higgsfield Soul; task dừng vì thông tin xác thực (credentials) ở máy local chưa được cấu hình, nên chưa có ảnh nào được gửi đi. Bước tiếp theo là chạy phần setup trong terminal trên máy Mac và nhập key ID cùng secret của Higgsfield.

Brock hỏi tiếp: bạn tìm giúp ảnh cuối cùng mình đã tạo được không? Nó nói để nó kiểm tra, rồi báo đã tìm thấy và hiển thị ngay đó.

Brock nói nó đã thật sự tìm ra ảnh cuối cùng anh tạo trong Codex. Anh thấy khá buồn cười, vì đây là ảnh cho một video anh đang quay, nên người xem đừng để ý tới nó. Dù vậy, anh vẫn nghĩ voice mode của ChatGPT tốt hơn GrokBot một chút.

12. Kết luận của Brock

Vậy là xong: đó là voice mode mới của GrokBot. Qua video, Brock đã cho thấy nó nói chuyện được với từng agent riêng, có giọng, tốc độ và ngôn ngữ riêng cho mỗi agent, giao việc qua main agent, điều khiển computer use, và kéo dữ liệu từ app không có plugin nhờ Zapier MCP. Điểm trừ anh nêu là agent nói chậm, không phải lúc nào cũng nghe lời, và theo anh voice mode của ChatGPT vẫn nhỉnh hơn.

Anh mời người xem subscribe nếu muốn thêm video kiểu này, để lại cảm nhận về bản cập nhật mới trong phần bình luận, và hẹn gặp lại ở video sau.