GPT-Live، ChatGPT کی آواز کو مسلسل مکالمہ بنانے میں مدد کرتا ہے

OpenAI نے 8 جولائی کو GPT-Live-1 اور GPT-Live-1 mini متعارف کرائے اور ChatGPT میں عالمی سطح پر رول آؤٹ شروع کیا۔ یہ ماڈلز مکمل ڈوپلیکس تعامل کو سپورٹ کرتے ہیں، جو سسٹم کو بولتے ہوئے سننے اور مداخلتوں پر جواب دینے کی اجازت دیتا ہے بغیر ہر تبادلے کو سخت کال اینڈ ریسپانس پیٹرن میں ڈالے۔

OpenAI نے کہا کہ آواز کا سسٹم تلاش، استدلال اور دیگر پیچیدہ کام GPT-5.5 کو منتقل کرسکتا ہے جبکہ مکالمہ برقرار رکھتا ہے۔ یہ تقسیم لائیو ماڈل کو وقت اور تقریر میں ہینڈل کرنے دیتی ہے جبکہ دوسرا ماڈل بھاری کام پر کام کرتا ہے۔ ہینڈ آف کس طرح سیاق و سباق کو محفوظ رکھتا ہے، وقفوں کو ظاہر کرتا ہے اور صارف پر بولنے سے گریز کرتا ہے، یہ ایک عملی سوال ہے بجائے کسی مستحکم لانچ دعویٰ کے۔

API تک رسائی بعد میں منصوبہ بندی کی گئی تھی اور پہلے صارف کی ریلیز کے ساتھ عمومی طور پر دستیاب کے طور پر پیش نہیں کی گئی تھی۔ لہذا، ڈویلپرز کو ChatGPT کے رول آؤٹ کو کسی بھی مستقبل کی پروگرام ایبل رسائی سے الگ رکھنا چاہئے۔ منصوبہ کی اہلیت، معاون زبانیں اور علاقائی دستیابی بھی تبدیل ہوسکتی ہیں اور موجودہ ریلیز نوٹس میں تصدیق کی ضرورت ہے۔

31 جولائی کی تازہ کاری نے اہل جنریٹ شدہ آڈیو کے لیے SynthID کی سپورٹ شامل کی، ساتھ ہی پبلک اور API ویریفیکیشن رُوٹز۔ یہ اضافہ ابتدائی لانچ کے بعد آیا اور اسے بعد کی ماخذ کی تازہ کاری کے طور پر بیان کیا جانا چاہئے، نہ کہ ہر آڈیو آؤٹ پٹ میں پہلے دن سے موجود خصوصیت کے طور پر۔

اہم ترین امتحان یہ نہیں ہے کہ کسی مظاہرے کی آواز انسانی لگتی ہے یا نہیں۔ ایک مسلسل سننے والا معاون کو رکاوٹوں سے دوبارہ سنبھلنے، صحیح لمحے پر خاموش رہنے، پس منظر میں گفت و شنید کو منظم کرنے اور بغیر مطلب کھوئے ترجمہ کرنے کی ضرورت ہے۔ TechCrunch نے ایک مظاہرے میں غیر فطری ہندی کی نشاندہی کی، لیکن ایک مثال کثیر لسانی جائزہ نہیں ہے اور وسیع معیار کی درجہ بندی کی حمایت نہیں کر سکتی۔