OpenAI نے دو نئے مکالماتی AI ماڈلز، GPT-Live-1 اور GPT-Live-1 mini متعارف کرائے ہیں، جو صوتی گفتگو کو زیادہ فطری بنانے اور ChatGPT بولی جانے والی بات چیت کو سنبھالنے کے طریقے کو بہتر بنانے کے لیے ڈیزائن کیے گئے ہیں۔
کمپنی نے کہا کہ نئے ماڈل فل ڈوپلیکس ہیں، یعنی وہ ایک ہی وقت میں سن اور بول سکتے ہیں۔ یہ صارفین کو گفتگو کے دوران قدرتی طور پر مداخلت کرنے کی اجازت دیتا ہے اور لائیو ترجمہ جیسی خصوصیات کو فعال کرتا ہے۔
OpenAI ChatGPT میں موجودہ ایڈوانسڈ وائس موڈ کو GPT-Live-1 mini کے ساتھ ڈیفالٹ وائس ماڈل کے طور پر بھی بدل رہا ہے۔ بامعاوضہ ChatGPT پلانز پر صارفین کو بڑے GPT-Live-1 ماڈل تک رسائی حاصل ہوگی۔
پچھلے صوتی نظام نے تقریر کو نقل کرنے، جوابات پیدا کرنے، اور بولے جانے والے جوابات تیار کرنے کے لیے الگ الگ اسپیچ ٹو ٹیکسٹ، بڑی لینگوئج اور ٹیکسٹ ٹو اسپیچ ماڈلز کو یکجا کیا۔
ایک پریس بریفنگ کے دوران، OpenAI نے کہا کہ نئے ماڈلز ایسے مسائل کو حل کرتے ہیں جیسے کہ صارفین کو بولتے وقت روکنا اور زیادہ پیچیدہ سوالات کے جواب دینے کے لیے ذہانت کی کمی ہے۔
کمپنی نے کہا کہ GPT-Live ماڈلز صوتی گفتگو کو جاری رکھتے ہوئے اپنے تازہ ترین ٹیکسٹ ماڈلز بشمول GPT-5.5 کو تلاش، استدلال، اور ایجنٹی صلاحیتوں کے لیے درخواستیں بھیج سکتے ہیں۔
اوپن اے آئی نے یہ بھی ظاہر کیا کہ جب اشارہ کیا جائے تو جواب دینے سے پہلے سیاق و سباق کو سننے اور جمع کرنے کے دوران ماڈلز طویل عرصے تک خاموش رہ سکتے ہیں۔
چونکہ نئے وائس موڈ کو نئے GPT ماڈلز تک رسائی حاصل ہے، یہ کچھ معلومات بصری شکل میں بھی پیش کر سکتا ہے۔
OpenAI نے کہا کہ اپ ڈیٹ کردہ صوتی موڈ طویل گفتگو کو سپورٹ کرنے کے لیے بنایا گیا ہے۔
بریفنگ کے دوران، چیٹ جی پی ٹی وائس پروڈکٹ کی لیڈ ایٹی ایلیٹی نے کہا کہ اس نے اس فیچر کو چہل قدمی کے دوران 30 سے 40 منٹ تک جاری رہنے والی گفتگو کے لیے استعمال کیا ہے۔
Eleti نے کہا:
"وقت گزرنے کے ساتھ، ہم سوچتے ہیں کہ یہ کمپیوٹنگ کے لیے ایک قسم کے بنیادی انٹرفیس کے طور پر آواز کو استعمال کرنے کی صلاحیت کو بھی غیر مقفل کر دے گا، اور تیزی سے پیچیدہ طویل عرصے سے چلنے والے ایجنٹی کام کو منظم کرنے کے لیے۔ جس طرح کے حیرت انگیز استعمال کے معاملات ہم دیکھتے ہیں کہ لوگ Codex اور ChatGPT کو پورا کرنے کے لیے استعمال کرتے ہیں، ہمارے خیال میں آواز ہر قسم کے کام کے لیے مستقبل کا انٹرفیس ہو سکتی ہے۔"
OpenAI کا خیال ہے کہ آواز پیچیدہ کاموں کے لیے لوگوں کے کمپیوٹر کے ساتھ بات چیت کرنے کا بنیادی طریقہ بن سکتی ہے۔
رپورٹس نے تجویز کیا ہے کہ کمپنی اس سال کے آخر میں AI سے چلنے والے ایئربڈز لانچ کر سکتی ہے، حالانکہ OpenAI نے بریفنگ کے دوران کسی ہارڈویئر پروڈکٹس کا اعلان نہیں کیا۔
کمپنی نے یہ بھی کہا کہ 150 ملین سے زیادہ لوگ ChatGPT کی وائس اور ڈکٹیشن کی خصوصیات استعمال کرتے ہیں۔
OpenAI کا تازہ ترین اعلان اس وقت سامنے آیا ہے جب حریف اپنے AI معاونین کو بہتر بنا رہے ہیں۔
ایپل اور ایمیزون دونوں نے اپنے معاونین کو زیادہ گفتگو کی صلاحیتوں اور بہتر سیاق و سباق کو سنبھالنے کے ساتھ اپ ڈیٹ کیا ہے۔
دریں اثنا، Sesame جیسے اسٹارٹ اپس، جو Oculus کے شریک بانی برینڈن Iribe اور Ankit کمار نے قائم کیے ہیں، نے AI معاونین بھی متعارف کرائے ہیں جو پس منظر میں کاموں کو مکمل کرتے ہوئے زیادہ قدرتی بات چیت کی حمایت کرتے ہیں۔
OpenAI نے کہا کہ بات چیت کو زیادہ قدرتی بنانے کے باوجود وہ ChatGPT کو AI ساتھی میں تبدیل کرنے کی کوشش نہیں کر رہا ہے۔
کمپنی نے کہا کہ نئے ماڈلز میں نوعمروں کے لیے عمر کے لحاظ سے مناسب جوابات فراہم کرنے کے لیے حفاظتی اقدامات شامل ہیں اور اگر گفتگو میں خود کو نقصان پہنچانے جیسے موضوعات شامل ہوں تو وسائل پیش کرتے ہیں۔
نئے وائس موڈ میں اب بھی بہتری کی گنجائش ہے۔ مظاہرے کے دوران، OpenAI نے ہندی میں لائیو ترجمہ دکھایا، لیکن اسسٹنٹ نے نمایاں امریکی لہجے کے ساتھ بات کی اور ہندی کا استعمال کیا جو غیر فطری اور کسی حد تک کتابی لگتی تھی۔
OpenAI نے کہا کہ نیا صوتی موڈ "زیادہ بولی جانے والی زبانوں" کے لیے موزوں ہے، لیکن اس نے یہ واضح نہیں کیا کہ کون سی زبانیں شامل ہیں۔
جہاں چاہیں تازہ ترین خبریں، ٹیک اپ ڈیٹس، ٹیلی کام کی بصیرتیں، اور کاروباری کہانیاں حاصل کریں۔
ProPakistani کو ترجیحی ذرائع میں شامل کریں اور گوگل سرچ اور ٹاپ اسٹوریز میں ہماری مزید کہانیاں دیکھیں۔
شیئرز
