OpenAI ने ChatGPT साठी GPT-Live-1 आणि GPT-Live-1 mini हे नवीन व्हॉइस मॉडेल्स सादर केले आहेत. कंपनीच्या म्हणण्यानुसार, हे मॉडेल्स अधिक नैसर्गिक, अखंड आणि रिअल-टाइम संभाषणाचा अनुभव देण्यासाठी विकसित करण्यात आले असून, ते जुन्या Advanced Voice Mode ची जागा घेतील.
OpenAI ने ChatGPT साठी नवीन GPT-Live व्हॉइस तंत्रज्ञान सादर केले आहे. कंपनीने GPT-Live-1 आणि GPT-Live-1 mini ही दोन नवीन मॉडेल्स उपलब्ध करून दिली असून, त्यांचा वापर जुन्या Advanced Voice Mode ऐवजी केला जाईल. कंपनीचा दावा आहे की ही नवीन मॉडेल्स पूर्वीपेक्षा अधिक नैसर्गिक, जलद आणि मानवी संवादासारखा अनुभव देतील. AI सोबतच्या संभाषणादरम्यान येणारे व्यत्यय कमी करणे आणि संवाद अखंड ठेवणे हा त्यांचा उद्देश आहे.
GPT-Live चे प्रमुख वैशिष्ट्य म्हणजे त्याचे Full-Duplex Architecture. जुन्या व्हॉइस प्रणालीमध्ये AI वापरकर्त्याचे बोलणे पूर्ण होण्याची प्रतीक्षा करत असे, परंतु GPT-Live एकाच वेळी ऐकणे आणि उत्तर देणे या दोन्ही प्रक्रिया करू शकते. त्यामुळे संभाषणाचा प्रवाह अधिक नैसर्गिक वाटतो.
कंपनीच्या माहितीनुसार, हे मॉडेल प्रत्येक सेकंदात अनेक वेळा उत्तर द्यायचे, ऐकत राहायचे, मध्येच प्रतिसाद द्यायचा किंवा इतर साधनांची मदत घ्यायची याचा निर्णय घेते. संभाषणादरम्यान ते "mhmm", "yeah" आणि "got it" यांसारखे लहान प्रतिसादही देऊ शकते, ज्यामुळे अनुभव मानवी संभाषणाच्या अधिक जवळ जातो.
याशिवाय, एखाद्या प्रश्नासाठी शोध, भाषांतर, संशोधन किंवा जटिल तर्कशक्तीची आवश्यकता असल्यास GPT-Live पार्श्वभूमीत GPT-5.5 च्या मदतीने ते काम पूर्ण करत असतानाच वापरकर्त्यासोबतचे संभाषण सुरू ठेवते.
OpenAI च्या म्हणण्यानुसार, GPT-Live-1 आणि GPT-Live-1 mini यांनी मानवी मूल्यांकन आणि तांत्रिक चाचण्यांमध्ये जुन्या Advanced Voice Mode पेक्षा चांगली कामगिरी केली आहे. पाच ते दहा मिनिटांच्या संभाषणादरम्यान वापरकर्त्यांनी नवीन मॉडेल्सना अधिक पसंती दिली. कंपनीच्या संशोधन प्रमुखांनी GPT-Live-1 ला आतापर्यंतचे सर्वात स्मार्ट व्हॉइस मॉडेल म्हटले आहे.
सुरक्षेच्या दृष्टीने कंपनीने या मॉडेल्समध्ये अनेक नवीन सुरक्षा उपाय समाविष्ट केले आहेत. सेल्फ-हार्म, हिंसा, मानसिक आरोग्य आणि संवेदनशील विषयांशी संबंधित प्रकरणांमध्ये सुरक्षित प्रतिसाद देण्यासाठी हे मॉडेल डिझाइन करण्यात आले आहे. किशोरवयीन वापरकर्त्यांसाठी वयानुसार सुरक्षा आणि पालक नियंत्रणाची सुविधाही समाविष्ट करण्यात आली आहे. तसेच GPT-Live कोणत्याही वास्तविक व्यक्तीच्या आवाजाची नक्कल करत नाही आणि केवळ पूर्वनिश्चित व्हॉइस प्रोफाइलचा वापर करते.
OpenAI ने पुष्टी केली आहे की GPT-Live चे iOS, Android आणि Web प्लॅटफॉर्मवर सर्व ChatGPT वापरकर्त्यांसाठी टप्प्याटप्प्याने रोलआउट केले जात आहे. Go, Plus आणि Pro सदस्यांना डीफॉल्ट स्वरूपात GPT-Live-1 उपलब्ध होईल, तर Free वापरकर्त्यांसाठी GPT-Live-1 mini उपलब्ध करून दिले जाईल. भविष्यात API च्या माध्यमातून हे मॉडेल डेव्हलपर्स आणि एंटरप्राइज ग्राहकांसाठीही उपलब्ध केले जाणार आहे.
