ChatGPT के नए वॉयस मॉडल मानव बातचीत के समान हो रहे हैं, लेकिन जोखिम है

JAKARTA - OpenAI ने ChatGPT के लिए दो नए ध्वनि मॉडल, GPT-Live-1 और मिनी संस्करण लॉन्च करना शुरू किया। यह अपडेट ChatGPT को सीधे अनुवाद सहित एक ही समय में सुनने और बोलने में सक्षम बनाता है।

CNET ने गुरुवार, 9 जुलाई को उद्धृत किया, जिसमें कहा गया कि दो नए मॉडल सभी ChatGPT उपयोगकर्ताओं के लिए उपलब्ध हैं, चाहे वे मुफ्त उपयोगकर्ता हों या भुगतान करने वाले ग्राहक। पहुंच मोबाइल ऐप और वेबसाइट के माध्यम से प्रदान की जाती है।

OpenAI ने ChatGPT ध्वनि तकनीक को अपडेट किया है ताकि टेक्स्ट-आधारित AI क्षमताओं के करीब हो सके। उपयोगकर्ता जवाब की गहराई के आधार पर तीन स्तरों की बुद्धि भी चुन सकते हैं।

ChatGPT के ध्वनि उत्पाद के नेता एट्टी एलेटी ने कहा कि सबसे बड़ा बदलाव एक मानवीय आवाज़ पर था और बातचीत की तरह महसूस किया।

इस अपडेट के पीछे एक प्रमुख तकनीक को निरंतर बातचीत कहा जाता है। यह प्रणाली एआई को जानकारी प्राप्त करने और एक ही समय में उत्तर देने की अनुमति देती है।

ध्वनि मोड में, ChatGPT "सुन" और "बोल" कर सकता है। यह पिछले ध्वनि मोड से अलग है जो उपयोगकर्ता द्वारा बात करने के बाद ही प्रतिक्रिया करता है।

यह क्षमता सीधे अनुवाद के लिए महत्वपूर्ण है। उपयोगकर्ता अंग्रेजी में बात कर सकता है, फिर ChatGPT इसे स्पेनिश, हिंदी या किसी अन्य भाषा में थोड़ी देर के लिए अनुवाद कर सकता है।

नया आर्किटेक्चर ओपनएआई फ्रंटियर मॉडल पर कार्य को भी विभाजित कर सकता है। फ्रंटियर मॉडल सबसे आधुनिक एआई मॉडल को संदर्भित करता है जिसका उपयोग अधिक जटिल कार्यों को संभालने के लिए किया जाता है।

GPT-Live मॉडल अनुसंधान के नेता कुंदन कुमार ने कहा कि GPT-Live उपयोगकर्ताओं के साथ बातचीत कर सकता है, जबकि जटिल तर्क GPT-5.5 को सौंप सकता है।

"जब GPT-Live को एक प्रश्न के लिए कड़ी मेहनत करनी होती है, तो यह मॉडल GPT-5.5 पर अपने तर्क और जटिल कार्यों को डेलिगेट कर सकता है, जो समानांतर रूप से कई चीजें कर सकता है, और GPT-Live अभी भी उपयोगकर्ता के साथ बात कर सकता है," कुमार ने कहा।

प्रक्रिया पूरी होने के बाद, उत्तर को बातचीत के जवाब में फिर से जोड़ा जाएगा।

"यह बिल्कुल वैसा ही है जैसे लोग एक-दूसरे के साथ बातचीत करते हैं," एलेटी ने कहा। "हम पृष्ठभूमि में सोचते हुए बातचीत जारी रखते हैं।"

नया ध्वनि मॉडल भी कुछ स्थितियों में दृश्य उत्तर दिखा सकता है। एलेटी के अनुसार, कभी-कभी सबसे अच्छा जवाब बोला नहीं जाता है, बल्कि प्रदर्शित किया जाता है। उदाहरण के लिए, मौसम की रिपोर्ट, खेल स्कोर या ग्राफ़।

ओपनएआई ने कहा कि लॉन्च चरणबद्ध तरीके से किया गया था। यदि उपयोगकर्ता इस सुविधा को अभी तक नहीं देखते हैं, तो एक या दो दिनों में पहुंच दिखाई दे सकती है। यह अपडेट GPT-5.6 सीरीज़ के लॉन्च से अलग है, जिसका अनुमान है कि यह गुरुवार को आएगा।

बात करने की शैली में भी बदलाव है। एआई की आवाज़ अब "उम", "एर" और "लाइक" जैसे भरने वाले शब्दों का उपयोग कर सकती है, जैसे कि कोई व्यक्ति बात करते समय सोच रहा हो।

उपयोगकर्ता एआई प्रतिक्रिया को भी कम विराम के साथ बाधित कर सकते हैं। चेटग्याप को चुप और केवल सुनने के लिए बनाया जा सकता है, और फिर जब उसे एक कॉल या सक्रियण शब्द के रूप में उसके नाम से बुलाया जाता है तो प्रतिक्रिया करता है।

हालांकि, सिरी और एलेक्सा से अलग, ChatGPT तब तक सक्रिय रहेगा जब तक कि उपयोगकर्ता इसे मैन्युअल रूप से निष्क्रिय नहीं करता।

OpenAI ने कहा कि उपयोगकर्ता स्वचालित रूप से ध्वनि मोड का उपयोग करते समय एआई प्रशिक्षण में शामिल नहीं होते हैं। ऑडियो क्लिप 30 दिनों तक संग्रहीत किया जाता है ताकि सिस्टम पिछली बातचीत से संदर्भ प्राप्त कर सके, और इसे हटाया जा सकता है।

हालांकि, मानवतावादी बनने वाले AI की आवाज़ भी जोखिम पैदा करती है। CNET ने देखा कि AI को मानव बनाने के खराब प्रभावों से संबंधित कई मामले और मुकदमे हुए हैं, खासकर उन लोगों के लिए जो मानसिक स्वास्थ्य समस्याओं का सामना कर रहे हैं।

ओपनएआई ने कहा कि नया मॉडल विस्तारित सुरक्षा है। कंपनी ने यह भी कहा कि मॉडल पहले की तुलना में प्रमुख सुरक्षा क्षेत्रों में बेहतर प्रदर्शन करता है, जिसमें आत्म-क्षति, मनोविकृति, हिंसा और यौन सामग्री शामिल है।