OpenAI ने ChatGPT साठी GPT-Live नावाचे एक नवीन व्हॉइस फीचर सादर केले आहे, जे एकाच वेळी बोलण्याची आणि ऐकण्याची सुविधा देते. यामुळे संवादात नैसर्गिकरित्या अडथळा आणता येतो आणि GPT-5.5 मॉडेलला जटिल प्रश्न पाठवता येतात, ज्यामुळे AI सोबतचा संवाद अधिक मानवी वाटेल.
AI संभाषणात क्रांती!
OpenAI ने ChatGPT साठी GPT-Live नावाचे एक नवीन व्हॉइस इंटरफेस (Voice Interface) लाँच केले आहे. यात 'फुल-डुप्लेक्स' (Full-Duplex) टेक्नॉलॉजी वापरली आहे. याचा अर्थ असा की, AI आता एकाच वेळी बोलू आणि ऐकू शकेल.
याआधी, व्हॉइस AI मध्ये वापरकर्त्याला AI चे बोलणे पूर्ण होण्याची वाट पाहावी लागत असे. पण आता तुम्ही AI बोलत असतानाच त्याला थांबवून (Interrupt) बोलू शकता, नवीन माहिती देऊ शकता किंवा विषय बदलू शकता. AI तुमच्या बोलण्याचा धागा न गमावता संवाद सुरू ठेवेल.
अधिक चांगल्या प्रतिसादामागील तंत्रज्ञान
मोठ्या आणि अधिक प्रवाही संभाषणांदरम्यान AI ची विचार करण्याची क्षमता (Reasoning Capabilities) टिकवून ठेवण्यासाठी, OpenAI ने एक बॅकग्राउंड रूटिंग सिस्टम (Background Routing System) लागू केली आहे. मुख्य व्हॉइस इंटरफेस प्रतिसाद देत असतानाच, गुंतागुंतीचे किंवा जास्त लॉजिक लागणारे प्रश्न बॅकग्राउंडमध्ये GPT-5.5 मॉडेलकडे पाठवले जातात. हे सर्व पार्श्वभूमीवर होत असल्याने, AI अवघड प्रश्न सोडवत असतानाही संभाषण सहजतेने सुरू राहते.
याव्यतिरिक्त, आता 'रिअल-टाइम व्हॉइस ट्रान्सलेशन' (Real-time Voice Translation) देखील उपलब्ध आहे, जे जागतिक संवादातील भाषेच्या अडथळ्यांना दूर करण्यास मदत करेल.
सर्वांसाठी मोफत उपलब्धता
GPT-Live चे मुख्य फुल-डुप्लेक्स फीचर सर्व वापरकर्त्यांसाठी मोफत उपलब्ध करून देण्यात आले आहे. AI सोबत संवाद साधण्याचा व्हॉइस हा एक मुख्य मार्ग बनावा, यासाठी हा मोठा प्रयत्न आहे. मोफत व्हर्जनमध्ये आवश्यक रियल-टाइम अनुभव मिळेल, पण अधिक प्रगत क्षमता पेड सबस्क्रायबर्ससाठी (Paid Subscribers) असतील.
कंपनीच्या चाचणीनुसार, ही सिस्टीम 40 मिनिटांपर्यंत चालणाऱ्या सत्रांना समर्थन देऊ शकते, जी जुन्या व्हॉइस असिस्टंटच्या तुलनेत एक मोठी सुधारणा आहे.
स्पर्धेतील स्थान आणि पुढील वाटचाल
तंत्रज्ञान कंपन्यांमध्ये व्हॉइस-फर्स्ट AI इंटरफेस तयार करण्याची स्पर्धा वाढत आहे. OpenAI या क्षमतांचा विस्तार करत असताना, GPT-5.5 सारख्या हाय-कंप्युट मॉडेल्सशी संबंधित इन्फ्रास्ट्रक्चर खर्च आणि मोफत वापरकर्त्यांना पेड सबस्क्रायबर्समध्ये रूपांतरित करण्याची क्षमता यावर लक्ष ठेवावे लागेल. तसेच, या फुल-डुप्लेक्स मॉडेलमुळे दैनिक सक्रिय वापरकर्त्यांची संख्या वाढते का, आणि रिअल-टाइम व्हॉइस ट्रान्सलेशन व कॉम्प्लेक्स रिझनिंगची गरज असलेल्या एंटरप्राइज ऍप्लिकेशन्ससाठी नवीन संधी निर्माण होतात का, हे पाहणे महत्त्वाचे ठरेल.