میں نے ChatGPT کے بہتر آواز کے موڈ کو آزمایا اور یہ پہلے سے کہیں زیادہ قدرتی لگ رہا تھا۔

ChatGPT میں تازہ ترین اپ گریڈ، جو اب تمام صارفین کے لیے دستیاب ہے، GPT-Live ہے۔ OpenAI اسے AI چیٹ بوٹس کے ساتھ بات چیت کرنے کے لیے "نئی نسل” کے صوتی ماڈل کے طور پر بیان کرتا ہے، جس سے آپ کو ٹائپنگ سے زیادہ چیٹنگ میں وقت گزارنے کی اجازت ملتی ہے۔

ChatGPT کا وائس موڈ نیا نہیں ہے، لیکن یہ پہلے معیاری ٹیکسٹ ان پٹ اور آؤٹ پٹ پر نسبتاً بنیادی ریپر تھا۔ اسے AI کے ساتھ بات چیت کرنے کے ایک زیادہ فطری طریقہ کے طور پر دیکھا جاتا ہے، لیکن GPT-Live اس روانی کو مزید بلندی تک لے جانے کا وعدہ کرتا ہے۔

پہلی بار، وائس موڈ آپ کو بات چیت جاری رکھتے ہوئے پس منظر میں سوچنے دیتا ہے۔ یہ آپ کو ضرورت پڑنے پر توقف کرنے کے لیے اضافی جگہ بھی دیتا ہے اور یہ بتاتا ہے کہ آپ ابھی بھی "mmmm” یا "ہاں” جیسے جملے سن رہے ہیں۔

آپ اپ گریڈ ابھی (یا جلد) موبائل اور ویب پر تلاش کر سکتے ہیں۔ مفت صارفین کو GPT‑Live‑1 منی تک رسائی حاصل ہے، جبکہ بامعاوضہ پلان کے صارفین کو بہتر GPT‑Live‑1 ماڈل تک رسائی حاصل ہے۔

GPT-Live کیسے کام کرتا ہے۔

OpenAI کا حتمی مقصد ChatGPT کے ساتھ بات کرنا ایک حقیقی شخص سے بات کرنے جیسا محسوس کرنا ہے، اور GPT-Live اس کے قریب تر ہو جاتا ہے۔ اصل میں، آواز کے ذریعے AI کے ساتھ بات چیت کرنے کے لیے اسپیچ ٹو ٹیکسٹ کے لیے مخصوص ماڈلز، سوالات کے جوابات دینے کے لیے ایک ماڈل اور ٹیکسٹ ٹو اسپیچ کنورژن کے لیے ایک ماڈل کی ضرورت تھی۔

چیٹ جی پی ٹی کے پچھلے صوتی موڈ نے ان سب کو ایک واحد AI ماڈل میں ملایا، لیکن پھر بھی ٹرن بیسڈ تھا۔ صارف بولا، چیٹ بوٹ نے جواب دیا، اور پھر دوبارہ بولا۔ GPT-Live ChatGPT کو ایک ہی وقت میں بولنے اور سننے کی اجازت دیتا ہے۔ جب آپ کو ضرورت ہو تو آپ روک سکتے ہیں، اور آپ کے جوابات تیز اور زیادہ تفصیلی ہونے چاہئیں۔

نئے صوتی موڈ سے سوچنے کو روکنے اور درحقیقت کسی سوال کو مکمل کرنے کے درمیان فرق کو پہچاننے میں زیادہ ہوشیار ہونے کی امید ہے۔ ماڈل اب فی سیکنڈ میں متعدد بار "بولنا، سننا جاری رکھنا، توقف کرنا، رکنا، یا ٹول شروع کرنا” کا دوبارہ حساب لگاتا ہے۔

اپ گریڈ کا ایک اور فائدہ یہ ہے کہ بات چیت جاری رہنے کے دوران بھی پیچیدہ کاموں اور گہرے خیالات کو پس منظر میں ChatGPT سرورز پر منتقل کیا جا سکتا ہے۔ آپ ChatGPT کو رفتار بڑھانے یا سست کرنے کے لیے بھی کہہ سکتے ہیں۔ بصری ردعمل کو بھی بہتر بنایا گیا ہے، جس سے آپ پاپ اپ کارڈز کے ذریعے اپنے مقام، موسم کی پیشن گوئی، کھیلوں کے نتائج اور بہت کچھ چیک کر سکتے ہیں۔

اب، جب آپ GPT-Live سے بات کرتے ہیں، تو آپ اسے غیر ملکی زبان میں ترجمہ کرنے کے لیے بھی کہہ سکتے ہیں۔ نئی خصوصیت کی بدولت، آپ سن سکتے ہیں کہ جب آپ بول رہے ہوں تو کسی اور زبان میں کیا ترجمہ کیا جا رہا ہے، بغیر کسی رکاوٹ کے۔ پس منظر کے شور کو نظر انداز کرنے کے معاملے میں بھی بہتری لائی گئی ہے (مثلاً پس منظر کی ٹریفک، قریبی گفتگو وغیرہ)۔