OpenAIએ પોતાના AI પ્લેટફોર્મ ChatGPT માટે નવી પેઢીના GPT-Live Voice મોડલ્સ લોન્ચ કરીને વોઇસ આધારિત AI અનુભવમાં મોટો ફેરફાર કર્યો છે. કંપનીએ GPT-Live-1 અને GPT-Live-1 mini નામના બે નવા મોડલ્સ રજૂ કર્યા છે, જે અત્યાર સુધીના Advanced Voice Modeને રિપ્લેસ કરશે. OpenAIના જણાવ્યા મુજબ નવા મોડલ્સ હવે વધુ સ્વાભાવિક, ઝડપી અને માનવ જેવી વાતચીત કરી શકે છે. સૌથી મોટો ફેરફાર એ છે કે હવે ChatGPT યુઝર બોલવાનું પૂર્ણ કરે તેની રાહ નહીં જુએ, પરંતુ વાતચીત દરમિયાન જ સતત સાંભળશે, સમજશે અને યોગ્ય સમયે પ્રતિસાદ આપશે. આ ટેક્નોલોજી AI સાથેની વાતચીતને વધુ જીવંત અને રિયલ-ટાઇમ અનુભવ આપવાનો દાવો કરે છે.
GPT-Liveમાં શું છે ખાસ?
અત્યાર સુધી મોટાભાગના AI Voice Assistants જેમ કે ChatGPT, Siri અથવા અન્ય પ્લેટફોર્મ્સમાં વાતચીત દરમિયાન થોડો વિરામ અનુભવાતો હતો. યુઝર બોલવાનું બંધ કરે પછી જ AI જવાબ આપતું હતું, જેના કારણે સંવાદનો સ્વાભાવિક પ્રવાહ તૂટી જતો હતો. OpenAIનું કહેવું છે કે GPT-Live આ સમસ્યાનો અંત લાવે છે.
નવા મોડલ્સ Full-Duplex Architecture પર આધારિત છે. એટલે કે AI એક જ સમયે સાંભળી પણ શકે છે અને જવાબ આપવા માટે તૈયાર પણ રહી શકે છે. ChatGPT હવે દરેક સેકન્ડમાં અનેક વખત નક્કી કરી શકે છે કે તેને જવાબ આપવો, વધુ સાંભળવું, થોડું રોકાવું, વચ્ચે ટૂંકો પ્રતિભાવ આપવો કે કોઈ ટૂલનો ઉપયોગ કરવો.
આ કારણે હવે ChatGPT વાતચીત દરમિયાન "હા", "સમજાયું", "બરાબર" અથવા "ઓકે" જેવા ટૂંકા પ્રતિસાદ પણ આપી શકે છે, જે માનવીય સંવાદનો અનુભવ કરાવે છે.
ટ્રાન્સલેશન અને રિસર્ચ દરમિયાન પણ વાતચીત ચાલુ રહેશે
OpenAIના જણાવ્યા અનુસાર GPT-Liveની સૌથી મોટી ખાસિયત એ છે કે જો યુઝર કોઈ ટ્રાન્સલેશન, વેબ સર્ચ, રિસર્ચ અથવા અન્ય જટિલ પ્રશ્ન પૂછે તો ChatGPT તે પ્રોસેસિંગ બેકગ્રાઉન્ડમાં ચાલુ રાખશે અને ત્યાં સુધી વાતચીત બંધ નહીં કરે.
ઉદાહરણ તરીકે જો કોઈ વ્યક્તિ વાત કરતાં કરતાં ભાષાંતર માંગે તો GPT-Live બેકગ્રાઉન્ડમાં અનુવાદ તૈયાર કરશે અને સાથે વાતચીત પણ ચાલુ રાખશે. કંપનીએ ડેમો દરમિયાન બતાવ્યું હતું કે મોડલ અંગ્રેજી સાથે-સાથે હિન્દીમાં લાઇવ અનુવાદ પણ કરી શક્યું હતું.
GPT-5.5 સાથે કામ કરશે GPT-Live
OpenAIએ જણાવ્યું છે કે જ્યારે કોઈ પ્રશ્ન માટે વધુ Reasoning, Search અથવા Complex Agentic ક્ષમતાઓની જરૂર પડશે ત્યારે GPT-Live તે કાર્ય બેકગ્રાઉન્ડમાં GPT-5.5ને સોંપશે. પરિણામ તૈયાર થતાં જ તે ફરી વોઇસ કન્વર્સેશનમાં જોડાઈ જશે. આ સમગ્ર પ્રક્રિયા દરમિયાન યુઝરને લાંબી રાહ જોવાની જરૂર નહીં પડે.
Sam Altmanએ શું કહ્યું?
OpenAIના CEO Sam Altmanએ GPT-Live લોન્ચ બાદ સોશિયલ મીડિયા પ્લેટફોર્મ X પર જણાવ્યું કે આ નવો Voice અનુભવ તેમને AI સાથે ટાઇપિંગ કરતાં બોલીને વાત કરવાની આદત તરફ લઈ જઈ શકે છે.
તેમણે લખ્યું કે GPT-Live ખૂબ જ "જાદુઈ" અને "રિયલ" અનુભવ આપે છે. અત્યાર સુધી તેઓ AI સાથે ટાઇપ કરવાનું વધુ પસંદ કરતા હતા, પરંતુ હવે આ સ્થિતિ બદલાઈ શકે છે.
GPT-Live કેટલો સારો છે?
OpenAIના જણાવ્યા મુજબ GPT-Live-1 અને GPT-Live-1 mini બંનેએ Human Evaluation અને Technical Benchmarkમાં જૂના Advanced Voice Mode કરતાં વધુ સારું પ્રદર્શન કર્યું છે.
5થી 10 મિનિટ સુધી ચાલતી Voice Conversation દરમિયાન GPT-Live-1ને 75.7 ટકા અને GPT-Live-1 miniને 69.2 ટકા યુઝર્સે જૂના Voice Mode કરતાં વધુ પસંદ કર્યો હતો.
OpenAIના Research Lead Kundan Kumarએ GPT-Live-1ને કંપનીનું અત્યાર સુધીનું સૌથી સ્માર્ટ Voice Model ગણાવ્યું છે.
નવા Visual Cards અને અન્ય સુવિધાઓ
GPT-Live હવે માત્ર Voice Conversation પૂરતું મર્યાદિત નથી. ChatGPT હવે હવામાન, શેરબજાર અને સ્પોર્ટ્સ જેવા વિષયો માટે Visual Cards પણ બતાવી શકે છે. ઉપરાંત Search, Memory, Images અને File Upload જેવી સુવિધાઓનો પણ સપોર્ટ ચાલુ રહેશે.
જોકે લોન્ચ સમયે GPT-Liveમાં Voice સાથે Video અથવા Screen Sharingની સુવિધા ઉપલબ્ધ નથી. આ બંને ફીચર્સ હાલ જૂના Voice Modeમાં જ ઉપલબ્ધ રહેશે.
સુરક્ષા પર ખાસ ધ્યાન
OpenAIએ જણાવ્યું છે કે GPT-Live માટે Safety Testingનો વ્યાપ વધુ વધારવામાં આવ્યો છે. કંપનીએ Self-Harm, Emotional Dependency, Psychosis, Mania, Violence અને Sexual Content જેવા સંવેદનશીલ ક્ષેત્રોમાં Audio-Native તથા Synthetic Evaluation દ્વારા મોડલનું પરીક્ષણ કર્યું છે.
જરૂર પડે ત્યારે GPT-Live જોખમી પ્રશ્નોના જવાબને સુરક્ષિત દિશામાં લઈ જઈ શકે છે, Safety Message બતાવી શકે છે અથવા High-Risk પરિસ્થિતિમાં Voice Conversation બંધ પણ કરી શકે છે.
કંપનીએ Teen Users માટે Age-Based Protection અને Parental Controls પણ ઉમેર્યા છે. ઉપરાંત GPT-Live કોઈ વ્યક્તિની અવાજની નકલ કરવા માટે બનાવવામાં આવ્યો નથી. તે માત્ર OpenAI દ્વારા પૂર્વનિર્ધારિત સુરક્ષિત Voice Profilesનો ઉપયોગ કરે છે.
કોને મળશે GPT-Live?
OpenAIએ પુષ્ટિ કરી છે કે GPT-Liveને iOS, Android અને Web પર તમામ ChatGPT યુઝર્સ માટે ધીમે-ધીમે રોલઆઉટ કરવામાં આવી રહ્યું છે.
ChatGPT Go, Plus અને Pro સબ્સ્ક્રાઇબર્સ માટે GPT-Live-1 ડિફોલ્ટ મોડલ રહેશે. જ્યારે Free Users માટે GPT-Live-1 mini ઉપલબ્ધ રહેશે.
કંપનીએ એ પણ જણાવ્યું છે કે નજીકના સમયમાં GPT-Live API મારફતે Developers અને Enterprises માટે પણ ઉપલબ્ધ થશે, જેથી તેઓ પોતાની એપ્લિકેશન્સમાં આ Voice ટેક્નોલોજીનો ઉપયોગ કરી શકે.
OpenAIનું આ અપડેટ AI Voice Assistant ક્ષેત્રમાં મહત્વપૂર્ણ પગલું માનવામાં આવી રહ્યું છે. સતત અને સ્વાભાવિક વાતચીત, ઝડપી પ્રોસેસિંગ, રિયલ-ટાઇમ પ્રતિભાવ અને વધુ સુરક્ષિત Voice અનુભવના કારણે GPT-Live ChatGPTના ઉપયોગની રીતમાં મોટો ફેરફાર લાવી શકે છે.
