OpenAI اڄ نئين گفتگو جا ماڊل جاري ڪيا، جن کي GPT-Live-1 ۽ GPT-Live-1 mini سڏيو ويندو آهي، اهو دعوي ڪري ٿو ته اهي وڌيڪ قدرتي آواز آهن ۽ موڙ کڻڻ کي بهتر طور تي سنڀالي سگهن ٿا. اهي مڪمل-ڊپلڪس ماڊل آهن، مطلب ته اهي هڪ ئي وقت ڳالهائي ۽ ٻڌي سگهن ٿا، صارفين کي قدرتي طور تي مداخلت ڪرڻ جي اجازت ڏين ٿا ۽ فيچرز کي فعال ڪن ٿا جهڙوڪ لائيو ترجمو.
ڪمپني پڻ ChatGPT ۾ پنهنجي موجوده ترقي يافته وائيس موڊ کي GPT-Live-1 مني سان تبديل ڪري رهي آهي. ادا ڪيل سطحن جا استعمال ڪندڙ وڏي GPT-Live-1 ماڊل تائين رسائي حاصل ڪري سگھندا. پوئين ماڊل تقرير کي نقل ڪرڻ لاءِ اسپيچ-ٽو-ٽيڪسٽ ماڊل کي گڏ ڪيو، جواب پيدا ڪرڻ لاءِ وڏي ٻولي جو ماڊل، ۽ حتمي جواب پهچائڻ لاءِ ٽيڪسٽ کان اسپيچ ماڊل.
ڪمپني هڪ پريس بريفنگ ۾ چيو ته نوان ماڊل مسئلا حل ڪن ٿا جيئن صارفين کي مداخلت ڪرڻ دوران جڏهن اهي ڳالهائي رهيا آهن ۽ سوالن جا جواب ڏيڻ لاءِ ڪافي ذهانت نه آهن. OpenAI جا نوان ماڊل سوال موڪليندا ان جي جديد ٽيڪسٽ ماڊلز جهڙوڪ GPT-5.5 لاءِ ڳولها، استدلال، يا ايجنٽ صلاحيتن لاءِ گفتگو جاري رکڻ دوران.
OpenAI اهو پڻ ڏيکاري ٿو ته ماڊل هڪ ڊگهي وقت تائين خاموش رهي سگهي ٿو ۽ گفتگو جي حوالي سان جذب ڪري سگهي ٿو جيستائين ان کي سڏيو وڃي. ان سان گڏ، جيئن ته نئين وائس موڊ کي نئين GPT ماڊل تائين رسائي حاصل ڪئي وئي آهي، اهو پڻ ڪجهه معلومات بصري فارميٽ ۾ پيش ڪري سگهي ٿو. ٻيون شروعاتون جهڙوڪ مونوگرام، جن DST ۽ لڪس ڪيپيٽل کان 40 ملين ڊالر سيڊ فنڊ گڏ ڪيا، پڻ اسسٽنٽ کي وڌيڪ انٽرايڪٽو بڻائڻ لاءِ بصري جوابن ۾ جھڪي رهيا آهن.
ڪمپني چيو ته ChatGPT ۾ نئون وائس موڊ ڊگھي گفتگو ڪرڻ لاءِ ٺهيل آهي. بريفنگ دوران، ChatGPT وائس جي پراڊڪٽ ليڊ، Atty Eleti، چيو ته هن واڪ دوران وائس فيچر سان 30 کان 40 منٽ ڊگھيون ڳالهيون ڪيون آهن.
OpenAI سوچي ٿو ته آواز پيچيده ڪم لاءِ ڪمپيوٽنگ لاءِ بنيادي انٽرفيس ٿي سگهي ٿو. رپورٽون تجويز ڪيون ويون آهن ته اهو هن سال AI صلاحيتن سان earbuds جو هڪ جوڙو لانچ ڪري سگهي ٿو. بهرحال، اهو هارڊويئر پراڊڪٽس تي ڪا به معلومات مهيا نه ڪئي.
"وقت سان گڏ، اسان سوچيو ته اهو پڻ آواز کي استعمال ڪرڻ جي صلاحيت کي ان لاڪ ڪندو هڪ قسم جي بنيادي انٽرفيس طور ڪمپيوٽنگ لاء، ۽ وڌندڙ پيچيده ڊگھي هلندڙ ايجنٽ ڪم کي منظم ڪرڻ لاء. اهڙي قسم جي حيرت انگيز استعمال جا ڪيس جيڪي اسان ڏسون ٿا ماڻهن کي ڪوڊڪس ۽ ChatGPT استعمال ڪندي مڪمل ڪرڻ لاء، اسان سمجهون ٿا آواز هر قسم جي ڪم لاء مستقبل جو انٽرفيس ٿي سگهي ٿو، "ايليٽي چيو.
OpenAI گذريل ڪجھ سالن ۾ آواز تي ٻڌل خصوصيتن کي وڌائڻ تي ڪم ڪيو آھي ChatGPT جي وائس موڊ کي وڌيڪ قدرتي آواز ڏيڻ لاءِ. ڪمپني چيو ته 150 ملين کان وڌيڪ ماڻهو ChatGPT سان ڳالهائي رهيا آهن خاصيتون استعمال ڪندي وائيس ۽ ڊڪٽيشن.
مخالف به ڪوشش ڪري رهيا آهن ته اسسٽنٽ کي وڌيڪ اظهاريندڙ بڻائين.
ٻئي ايپل ۽ ايمازون پنهنجن اسسٽنٽ کي اپڊيٽ ڪيو آهي ته جيئن بهتر حوالن جي سنڀال سان وڌيڪ گفتگو ڪندڙ. Sesame وانگر Startups، Oculus co-founder Brendan Iribe ۽ Ankit Kumar پاران قائم ڪيل، پس منظر ۾ ڪم مڪمل ڪرڻ دوران وڌيڪ قدرتي گفتگو سان AI اسسٽنٽ پڻ شروع ڪيا.
OpenAI ساڳئي طرف وڌي رهيو آهي، مقصد آهي ته صارفين کي گهڻي وقت تائين پنهنجي اسسٽنٽ هٿان آزاد سان ڳالهائڻ ڏيو. ان جي دعويٰ جي باوجود ته نئون آواز موڊ وڌيڪ قدرتي آواز آهي، ڪمپني زور ڏنو ته اهو مقصد نه آهي ته هن کي AI ساٿي بڻائڻ. اهو نوٽ ڪيو ويو آهي ته نون ماڊلن ۾ حفاظتي اپاءَ آهن جيڪي نوجوانن کي عمر جي لحاظ کان مناسب جواب ڏيڻ ۽ وسيلا مهيا ڪن ٿا جيڪڏهن گفتگو پاڻ کي نقصان ڏيڻ جهڙن عنوانن ڏانهن رخ ڪري ٿي.
نئين آواز موڊ اڃا ڪم جي ضرورت آهي. ڊيمو دوران، جڏهن ڪمپني ان جي لائيو ترجمي جي خصوصيت کي هندي ۾ ڏيکاريو، اسسٽنٽ هڪ وڏو آمريڪي تلفظ هو ۽ هندي ۾ ڳالهايو جيڪو غير فطري آواز هو ۽ ٿورو ڪتابي ڍنگ هو. ڪمپني چيو ته نئون موڊ "اڪثر ڳالهائيندڙ ٻولين" لاءِ بهتر ڪيو ويو آهي پر وضاحت نه ڪئي ته ڪهڙيون آهن.
