GPT‑Liveን በማስተዋወቅ ላይ

ከAI ጋር መነጋገር እንደ እውነተኛ ውይይት እንዲሰማ የሚያደርጉ አዲስ ትውልድ የድምፅ ሞዴሎችን፣ GPT‑Liveን፣ እየጀመርን ነው።

GPT‑Live በሙሉ-ዱፕሌክስ አርክቴክቸር ላይ የተገነባ ነው፣ ይህም በአንድ ጊዜ ማዳመጥና መናገር ይችላል ማለት ነው። በውይይቶች ጊዜ፣ GPT‑Live እንደ “እሺ” ወይም “አዎ” ባሉ ሐረጎች ትኩረት እየሰጠ መሆኑን ሊያሳይ፣ ፈጣን መልስ-በመልስ ሊነጋገር፣ ወይም ለማሰብ ጊዜ ሲያስፈልግዎ ዝም ብሎ ሊቆይ ይችላል። ውጤቱም መነጋገር በጣም ቀላል የሚያደርግ የድምፅ ተሞክሮ ነው።

GPT‑Live እስካሁን ያለን በጣም ብልጥ የድምፅ ሞዴልም ነው። የድር ፍለጋ፣ ጥልቅ ማመዛዘን ወይም ይበልጥ ውስብስብ ስራ ለሚፈልጉ ጥያቄዎች፣ በጀርባ ወደ አዲሱ ግንባር ቀደም ሞዴላችን ይመድባል እና ውጤቱ ሲዘጋጅ ወደ ውይይቱ ይመልሰዋል። በሚሰራበት ጊዜ፣ GPT‑Live ከእርስዎ ጋር መነጋገሩን መቀጠል እና የውይይቱን ፍሰት መጠበቅ ይችላል። በልቀት ጊዜ፣ GPT‑Live በጀርባ GPT‑5.5ን ይጠቀማል። አዲስ ግንባር ቀደም ሞዴሎችን ስንለቅ፣ GPT‑Live የሚጠቀመውን ሞዴል በቀጣይነት እናዘምናለን።

እነዚህ እድገቶች ይበልጥ ብልህ እና በተፈጥሮ ለመጠቀም ቀላል የሆነ አዲስ የChatGPT ድምፅ ተሞክሮን ያንቀሳቅሳሉ። ከጊዜ ጋር፣ ይህ ምርምር ድምፅን ለይበልጥ ውስብስብ፣ ረዘም ያለ ጊዜ ለሚቆይ እና ይበልጥ ወኪላዊ ስራ መጠቀም እንዲቻል ያስከፍታል ብለን እናምናለን።

ዛሬ በዓለም ዙሪያ ላሉ የChatGPT ተጠቃሚዎች ሁለት የGPT‑Live ስሪቶችን – GPT‑Live‑1 እና GPT‑Live‑1 mini – መልቀቅ እየጀመርን ነው። በቅርቡ ወደ APIም ለማምጣት እቅድ አለን፣ እና ገንቢዎችና ድርጅቶች ይህን ቅጽ⁠ በመጠቀም ማሳወቂያ ለመቀበል መመዝገብ ይችላሉ።

ራዕያችን በእውነት ተፈጥሯዊ የሰው–AI ግንኙነትን ማስቻል ነው፦ ከAI ጋር መተባበር ከሌላ ሰው ጋር መስራት ያህል ፈሳሽ እና ፈጣን ምላሽ ያለው የሚሰማበት፣ ምክንያታዊነት እና ውስብስብ የተግባር አፈፃፀም ከበስተጀርባ ያለምንም እንከን በማከናወን የሚታይበት ዓለምን መገንባት ነው።

የቀድሞ ትውልድ የድምፅ AI ሥርዓቶች ከአስፈላጊ የእንከን መለዋወጦች ጋር ወደዚያ ራዕይ አቅርበውናል።

ተከታታይ የድምፅ ሥርዓቶች እያንዳንዱን ተራ ለማቀናበር አንዱ ከሌላው በኋላ በሚሰሩ ተከታታይ ሞዴሎች ላይ ይመሰረታሉ። የመጀመሪያው የChatGPT ድምፅ ሶስት ሞዴሎችን በሰንሰለት አገናኝቶ ይሰራ ነበር፦ ንግግርዎን ለመጻፍ የንግግር-ወደ-ጽሑፍ ሞዴል፣ ምላሽ ለማመንጨት ትልቅ የቋንቋ ሞዴል፣ እና እንደገና ወደ ንግግር ለመቀየር የጽሑፍ-ወደ-ንግግር ሞዴል። ይህ አቀራረብ ለመጀመሪያ ጊዜ ከግንባር ቀደም AI ሞዴሎች ጋር እንድንነጋገር አስችሎናል፣ ግን ውስብስብነቱ ዋጋ ነበረው፦ መረጃ በሞዴሎች መካከል ሊጠፋ ይችላል፣ መልሶችም ቀስ ያሉ እና ተንቀሳቃሽነት የጎደላቸው ነበሩ።

እንደ ChatGPT የላቀ የድምጽ ሁነታ ያሉ በተራ ላይ የተመሠረቱ የድምፅ ሞዴሎች ኦዲዮን በአንድ ሞዴል ውስጥ ያቀናብሩና ያመነጩ ነበር፣ ይህም መዘግየትን ቀንሶ ውይይቶችን ይበልጥ ለስላሳ አድርጓል — ግን አሁንም በተለያዩ ተራዎች ይሰሩ ነበር። ሞዴሉ ከመመለሱ በፊት ተጠቃሚው መናገሩን እንዲያቆም መጠበቅ ነበረበት፣ ይህም ግትር የሆነ ድግግሞሽን ያስከትል ነበር። በተጨማሪም፣ ተራ መለየት በዝምታ ላይ ስለሚመሰረት፣ አጭር ቆምታ ወይም የጀርባ ድምፅ እንኳን እንደ ተራ መጨረሻ ሊታሰብ ይችላል — ይህም ሞዴሉ ተፈጥሯዊ ባልሆኑ ጊዜያት እንዲያቋርጥ ያደርገዋል።

GPT‑Live በሁለት የአርክቴክቸር ለውጦች እነዚህን ገደቦች ይፈታል።

መጀመሪያ፣ GPT‑Liveን ሙሉ-ዱፕሌክስ አርክቴክቸር በመጠቀም ለቀጣይ ግንኙነት ገንብተናል። የተለያዩ መልዕክቶች ቅደም ተከተል ከማቀናበር ይልቅ፣ GPT‑Live ውጤት እያመነጨ ግቤትን በቀጣይነት ያቀናብራል። ስለዚህ ሞዴሉ በሰከንድ ብዙ ጊዜ የግንኙነት ውሳኔዎችን ሊወስን ይችላል፦ መናገር፣ ማዳመጥን መቀጠል፣ ቆም ማለት፣ መሀል መግባት፣ ወይም መሣሪያ መጥራት እንዳለበት።

ይህ ሞዴሉ ይበልጥ ተፈጥሯዊ ምልልስ እንዲያደርግ፣ የጊዜ ስሜቱን ይበልጥ እንዲጠብቅ፣ እና ቀጥታ ትርጉም እንኳን እንዲፈጽም ያስችለዋል።

ሁለተኛ፣ ቀጣይ ግንኙነትን የሚያስተናግደውን GPT‑Live — ከጥልቅ ስራ ለይተናል። ጥያቄ ፍለጋ፣ ማመዛዘን ወይም ይበልጥ ወኪላዊ ችሎታዎችን ሲፈልግ፣ GPT‑Live ተግባሩን እንደ GPT‑5.5 ላለ ሌላ ሞዴል ሊመድብ ይችላል። ይህ በጀርባ ብዙ ተግባራትን እየተቆጣጠረ እንኳን ውይይቱን እንዲቀጥል ያስችለዋል።

ይህ የአርክቴክቸር ለውጥ GPT‑Live አዲሶቹን ሞዴሎች እና ወኪሎች በቀጣይነት እንዲጠቀም፣ ግንባር ቀደም ብልህነትን ከተፈጥሯዊ ግንኙነት ጋር እንዲያጣምር ያስችለዋል።

ደስ የሚልነትን እና የውይይት ፍሰትን ለመለካት አዲስ የሰው ግምገማዎችን ገንብተናል። በእነዚህ ቀጥተኛ ንጽጽሮች፣ GPT‑Live‑1 እና GPT‑Live‑1 mini አጠቃላይ ምርጫን፣ ተራ መያዝን፣ መሀል መግባቶችን፣ የውይይት ፍሰትን እና እያንዳንዱ ግንኙነት ምን ያህል ተፈጥሯዊ እንደተሰማ በሚለኩ ተመሳሳይ 5–10 ደቂቃ ውይይቶች ከላቀ የድምጽ ሁነታ በጣም ተመራጭ ሆነዋል።

• GPQA፦ GPT‑Live‑1 በGPQA ላይ ከየላቀ የድምጽ ሁነታ በእጅጉ ይበልጣል፤ GPQA በባዮሎጂ፣ ኬሚስትሪ እና ፊዚክስ ዙሪያ የባለሙያ-ደረጃ ሳይንሳዊ ማመዛዘንን ይፈትሻል።
• BrowseComp፦ GPT‑Live‑1 በBrowseComp ላይ ከየላቀ የድምጽ ሁነታ ጠንካራ ጭማሪዎችን ያሳያል፤ BrowseComp ወኪላዊ የድር ፍለጋን እና ለማግኘት አስቸጋሪ የሆነ መረጃ የማግኘት ችሎታን ይፈትሻል።
• τ³-የድምፅ ቴሌኮም**፦ GPT‑Live‑1 በτ³-Voice Telecom ላይ ከየላቀ የድምጽ ሁነታ ይበልጣል፤ ይህም የድምፅ ወኪሎችን በእውነታዊ፣ ብዙ-ተራ የቴሌኮም ድጋፍ ተግባራት ላይ ይፈትሻል።

በየሳምንቱ ከ150 ሚሊዮን በላይ ሰዎች እንደ ድምፅ እና ዲክቴሽን ያሉ ባህሪያትን ተጠቅመው ከChatGPT ጋር ይነጋገራሉ። ያለ እጅ የዕለት ተዕለት እርዳታ ለማግኘት፣ ቋንቋዎችን ለመለማመድ፣ የመኝታ ሰዓት ታሪኮችን ለመናገር፣ ወይም በጉዞ ላይ እያሉ ብቻ ለመወያየት ይጠቀሙበታል።

ከዛሬ ጀምሮ፣ ከChatGPT ጋር ለመነጋገር የድምፅ አዝራሩን ሲነኩ፣—ይበልጥ ተፈጥሯዊ ውይይቶች፣ ይበልጥ ብልጥ መልሶች፣ የተሻለ ማዳመጥ እና ምስላዊ ምላሾች በGPT‑Live የሚሰራ የተሻሻለ ተሞክሮ ያገኛሉ።

ከChatGPT ጋር መነጋገር አሁን እንደ እውነተኛ ውይይት ይበልጥ ሊሰማ ይገባል። በጥያቄ መሀል መግባት፣ ሀሳብዎን ለማሰባሰብ ቆም ማለት፣ ወይም ChatGPT ቀስ እንዲል መጠየቅ ይችላሉ። እየተከታተለዎት መሆኑን እንዲያውቁ፣ እየተናገሩት ያለውን ነገር እንደ “እሺ” ወይም “ገባኝ” ባሉ ሐረጎች በተፈጥሮ ያረጋግጣል። በChatGPT ውስጥ ያሉትን ዘጠኝ ልዩ ድምፆች ለGPT‑Live እንደገና አሻሽለናል።

የChatGPT ድምፅ አሁን ሲያስፈልግዎ ይበልጥ ብልጥ መልሶችን ለመስጠት አዲሶቹን ግንባር ቀደም ሞዴሎቻችንን ሊጠቀም ይችላል። ለፍላጎትዎ የሚስማማውን የማመዛዘን ደረጃም መምረጥ ይችላሉ፦ ፈጣን ምላሾች ሲፈልጉ Instant፣ ChatGPT ለማሰብ ተጨማሪ ጊዜ እንዲወስድ ሲፈልጉ ደግሞ Medium እና High።

ለማሰብ ትንሽ ጊዜ ከወሰዱ፣ የChatGPT ድምፅ አሁን መሀል ገብቶ ከማቋረጥ ይልቅ ይጠብቃል። ዝም ብሎ እንዲያዳምጥ ከጠየቁት፣ እንዲሁ ያደርጋል። እንደ የሚያልፉ መኪናዎች ወይም በአቅራቢያ ያሉ ውይይቶች ያለ የጀርባ ድምፅ ሲኖር፣ ChatGPT ከመዘናጋት ይልቅ በድምፅዎ ላይ የተሻለ ትኩረት ያደርጋል።

አንዳንድ መልሶች ሲታዩ ይበልጥ ጠቃሚ ይሆናሉ። እየተነጋገሩ ሳሉ፣ ChatGPT አሁን እንደ የአየር ሁኔታ፣ አክሲዮኖች፣ ስፖርት እና ሌሎችም ርዕሶች የበለጸጉ ምስላዊ ካርዶችን ሊያሳይ ይችላል። Voice ፍለጋን፣ ማስታወሻን፣ ምስሎችን እና የፋይል ሰቀላዎችን መደገፉንም ይቀጥላል።

ውጤቱም በዕለት ተዕለት ሕይወት ይበልጥ ተፈጥሯዊ፣ ይበልጥ ብቃት ያለው እና ይበልጥ ጠቃሚ የChatGPT ድምፅ ተሞክሮ ነው።

GPT‑Live ከመነሻው ደህንነቱ የተጠበቀ እንዲሆን ተነድፏል። ከአዲሶቹ ሞዴሎቻችን የደህንነት እድገቶች ላይ ይገነባል፣ በቁልፍ የአደጋ መስኮች ላይ የተለየ የደህንነት ስልጠና እና በተለይ ለድምፅ የተነደፉ አዲስ መከላከያዎችንም ይጨምራል።

ሰዎች በእውነተኛ ሕይወት ሁኔታዎች ድምፅን እንዴት እንደሚጠቀሙ ይበልጥ ለማንጸባረቅ፣ የደህንነት ሙከራችንን አዲስ በኦዲዮ ላይ የተመሠረቱ ግምገማዎችን እንዲያካትት በማስፋት ጀምረናል። ከየላቀ የድምጽ ሁነታ የተማርነውን በመጠቀም፣ በቁልፍ የደህንነት መስኮች ላይ ይበልጥ በጥልቀት ለማተኮር የተፈጠረ ኦዲዮ የሚጠቀሙ ሰው ሰራሽ ግምገማዎችንም ፈጥረናል። እነዚህ መስኮች ራስን መጉዳትን፣ ሳይኮሲስን እና ማኒያን፣ በAI ላይ ስሜታዊ ጥገኝነት፣ ጥቃትን እና ወሲባዊ ይዘትን ያካትታሉ። የውስጥ ባለሙያዎችም ለድምፅ ልዩ የሆኑ አደጋዎችን ለመፈተሽ ሞዴሉን ሬድ-ቲም አድርገውታል።

በሙከራችን፣ GPT‑Live በገመገምናቸው መስኮች ሁሉ ከላቀ የድምጽ ሁነታ ጋር ተመጣጣኝ ወይም የተሻለ አፈጻጸም አሳይቷል። ስለ ሙከራችን እና መከላከያዎቻችን ተጨማሪ በGPT‑Live የሥርዓት ካርድ⁠(በአዲስ መስኮት ውስጥ ይክፈታል) ላይ ማንበብ ይችላሉ።

የድምፅ ውይይቶች በቀጥታ ጊዜ ስለሚካሄዱ፣ ሞዴሉ እየተናገረ ሳለ ሊሰሩ የሚችሉ መከላከያዎችንም ገንብተናል። ሥርዓቱ ሊያሰጋ የሚችል ውጤት ሲያገኝ፣ ሞዴሉን ወደ ይበልጥ ደህና ምላሽ ሊመራ፣ ተጨማሪ የደህንነት መልዕክት ወይም ሀብቶችን ሊያቀርብ፣ ወይም ከፍተኛ አደጋ ባለባቸው ጉዳዮች የድምፅ ውይይቱን ሊያቋርጥ ይችላል። ራስን መጉዳትን ለሚያካትቱ ውይይቶች፣ በባለሙያዎች የተመረመረ የአደጋ ጊዜ የእርዳታ መስመር ድጋፍ ማቅረብን ጨምሮ፣ የChatGPT የድጋፍ ፍሰቶችን ለድምፅ አስተካክለናል።

ታዳጊ ተጠቃሚዎችን ለመደገፍ ተጨማሪ ጥበቃዎችን ነድፈናል፣ እና ተገቢ ያልሆኑ ምላሾች አደጋን ለመቀነስ ከዕድሜ ጋር የሚስማማ ባህሪን በቀጥታ በሞዴሉ ውስጥ አሰልጥነናል። ወላጆች ታዳጊያቸው የChatGPT ድምፅን በወላጅ ቁጥጥር በኩል መጠቀም ይችል እንደሆነ መምረጥ ይችላሉ፣ እና የተገናኙ ወላጆች ሊኖር የሚችል ራስን መጉዳት ወይም የራስን ሕይወት ለማጥፋት ፍላጎት ምልክቶች በሚኖሩባቸው ከፍተኛ አደጋ ሁኔታዎች ሊያውቁ ይችላሉ።

ግንዛቤያችንን ማሻሻል እና መከላከያዎችን ማጥራት እንድንቀጥል፣ በስሜታዊ ጥገኝነት ላይ ያተኮረ የረጅም ጊዜ መለኪያ እና ከልቀት በኋላ ክትትልንም እያስጀመርን ነው። ቀደም ባለው ምርምራችን በንቁ አጠቃቀም እና ስሜታዊ ደህንነት ላይ በመገንባት፣ ይህ ብቅ የሚሉ ንድፎችን ለመለየት እና ሥርዓቱ በስሜታዊ ጥንቃቄ በሚፈልጉ ግንኙነቶች እንዴት እንደሚመልስ ለማሻሻል ይረዳናል።

በመጨረሻም፣ GPT‑Live የተነደፈው ለውይይት እንጂ ድምፅን ለመኮረጅ ለመድገም አይደለም። በChatGPT ውስጥ ያሉ ቀድሞ የተወሰኑ ድምፆችን ይጠቀማል፣ የእውነተኛ ሰውን ድምፅ እንዳይኮርጅ የሚከላከሉ መከላከያዎችም አሉት።

ደህንነትን እና ደህንነታዊ ሁኔታን ለመደገፍ ቁርጠኛ ነን፣ እና ከእውነተኛ ዓለም አጠቃቀም ስንማር እነዚህን ጥበቃዎች ማጠናከር እንቀጥላለን።

GPT‑Live አሁን በዓለም ዙሪያ ለChatGPT ተጠቃሚዎች በiOS፣ Android እና ChatGPT.com⁠(በአዲስ መስኮት ውስጥ ይክፈታል) ላይ እየተለቀቀ ነው። GPT‑Live‑1 ለGo፣ Plus እና Pro ተጠቃሚዎች የChatGPT ድምፅን የሚያንቀሳቅሰው ነባሪ ሞዴል ይሆናል፣ GPT‑Live‑1 mini ደግሞ ለነጻ ተጠቃሚዎች ነባሪ ይሆናል። ተጨማሪ የተገኝነት ዝርዝሮች በእገዛ ማዕከል⁠(በአዲስ መስኮት ውስጥ ይክፈታል) ውስጥ ይገኛሉ።

GPT‑Liveን በChatGPT ውስጥ ለሚጠቀሙባቸው ታዋቂ ቋንቋዎች አመቻችተናል። ለአንዳንድ ቋንቋዎች፣ ሞዴሉ የተወላጅ ያልሆነ የንግግር ዘይቤ ወይም የቅልጥፍና ክፍተቶች ሊኖሩት ይችላሉ። በቋንቋዎች ሁሉ ተሞክሮውን ለማሻሻል በንቃት እየሠራን እንገኛለን።

በልቀት ጊዜ፣ GPT‑Live በChatGPT ውስጥ ቪዲዮ ወይም የማያ ገጽን ማጋራት ያለውን ድምፅ አይደግፍም፣ ግን እነዚህን ችሎታዎች በቅርቡ ለማስተዋወቅ እየሠራን ነው። እነዚህ ባህሪያት በሚገኙበት ቦታ፣ Standard እና የላቀ የድምጽ ሁነታን ጨምሮ የChatGPT ድምፅ የቀድሞ ስሪቶችን አሁንም መድረስ ይችላሉ።