GPT‑Liveን በማስተዋወቅ ላይ

GPT‑Liveን እያስጀመርን እንገኛለን፤ ከAI ጋር መነጋገር እንደ እውነተኛ ውይይት እንደማድረግ እንዲሰማ የሚያደርጉ አዲስ ትውልድ የድምጽ ሞዴሎች ናቸው።

GPT‑Live በሙሉ-ዱፕሌክስ አወቃቀር ላይ ተገንብቷል፤ ይህም በአንድ ጊዜ ማዳመጥና መናገር ይችላል ማለት ነው። በውይይቶች ወቅት፣ GPT‑Live እንደ “እምም” ወይም “አዎ” ባሉ ሐረጎች ትኩረት እየሰጠ መሆኑን ሊያሳይ፣ ፈጣን ተመላላሽ ውይይት ሊያደርግ፣ ወይም ለማሰብ ጊዜ ሲያስፈልግዎ ዝም ብሎ ሊቆይ ይችላል። ውጤቱም ከእሱ ጋር መነጋገር በእጅጉ ቀላል የሆነ የድምጽ ተሞክሮ ነው።

GPT‑Live እስካሁን ድረስ ያለን እጅግ ብልህ የድምጽ ሞዴልም ነው። የድር ፍለጋ፣ ጥልቅ ማመዛዘን ወይም ይበልጥ ውስብስብ ሥራ ለሚፈልጉ ጥያቄዎች፣ በጀርባ ወዳለው አዲሱ ግንባር ቀደም ሞዴላችን ይወክላል፣ ውጤቱም ሲዘጋጅ ወደ ውይይቱ መልሶ ያመጣዋል። GPT‑Live ሥራውን በሚያከናውንበት ጊዜም ከእርስዎ ጋር መነጋገሩን በመቀጠል የውይይቱን ፍሰት ሊጠብቅ ይችላል። ሲጀመር፣ GPT‑Live በጀርባ GPT‑5.5ን ይጠቀማል። አዳዲስ ግንባር ቀደም ሞዴሎችን በምናወጣበት ጊዜ፣ GPT‑Live የሚጠቀመውን ሞዴል በቀጣይነት እናዘምናለን።

እነዚህ እድገቶች ይበልጥ ብልህና ተፈጥሯዊ የሆነ አዲስ የChatGPT ድምፅ ተሞክሮን ያቀርባሉ። ከጊዜ ጋር፣ ይህ ምርምር ድምጽን ለይበልጥ ውስብስብ፣ ረዘም ላለ ጊዜ ለሚቀጥሉ እና ይበልጥ ወኪላዊ ሥራዎች የመጠቀም ችሎታንም እንደሚከፍት እናምናለን።

ከዛሬ ጀምሮ ሁለት የGPT‑Live ስሪቶችን – GPT‑Live‑1 እና GPT‑Live‑1 mini – በዓለም ዙሪያ ላሉ የChatGPT ተጠቃሚዎች ማሰራጨት ጀምረናል። በቅርቡ ወደ APIም ለማምጣት አቅደናል፤ ገንቢዎችና ድርጅቶች ይህን ቅጽ⁠ በመጠቀም ለማሳወቂያ መመዝገብ ይችላሉ።

ራዕያችን በእውነት ተፈጥሯዊ የሰው–AI መስተጋብርን ማስቻል ነው፦ ከ AI ጋር መተባበር ከሌላ ሰው ጋር እንደመሥራት ተለዋዋጭ እና ምላሽ ሰጪ የሚመስልበት ዓለም፣ ምክንያታዊነት እና ውስብስብ የተግባር አፈጻጸም ከበስተጀርባ ያለምንም እንከን የሚከናወኑበት ዓለምን ማስቻል ነው።

የቀድሞ ትውልድ የድምጽ AI ሥርዓቶች ወደዚያ ራዕይ ይበልጥ አቅርበውናል፣ ግን ጉልህ የሆኑ የሚተዉ ነገሮች ነበሯቸው።

ተከታታይ የድምጽ ሥርዓቶች እያንዳንዱን ተራ ለማቀናበር አንዱ ከሌላው በኋላ በሚሠሩ ተከታታይ ሞዴሎች ላይ ይመሠረታሉ። የመጀመሪያው የChatGPT ድምፅ ሦስት ሞዴሎችን በሰንሰለት አገናኝቶ ይጠቀም ነበር፤ ንግግርዎን ወደ ጽሑፍ ለመቀየር የንግግር-ወደ-ጽሑፍ ሞዴል፣ ምላሽ ለማፍራት ትልቅ የቋንቋ ሞዴል፣ እና ያንን መልሶ ወደ ንግግር ለመቀየር የጽሑፍ-ወደ-ንግግር ሞዴል። ይህ አቀራረብ ለመጀመሪያ ጊዜ ከግንባር ቀደም AI ሞዴሎች ጋር መነጋገር አስችሎናል፣ ነገር ግን ውስብስብነቱ ዋጋ ነበረው፤ መረጃ በሞዴሎች መካከል ሊጠፋ ይችላል፣ እና ምላሾች ቅግ ያሉ እና የተዘበራረቁ ነበሩ።

እንደ ChatGPT የላቀ የድምጽ ሁነታ ያሉ ተራ-ተኮር የድምጽ ሞዴሎች ድምጽን በአንድ ሞዴል ውስጥ ያቀናብሩና ያመነጩ ነበር፤ ይህም መዘግየትን ቀንሶ ውይይቶችን የበለጠ ለስላሳ አድርጓል — ግን አሁንም በተለያዩ ተራዎች ይሠሩ ነበር። ሞዴሉ ምላሽ ከመስጠቱ በፊት ተጠቃሚው መናገሩን እስኪያቆም መጠበቅ ነበረበት፣ ይህም ግትር ተመላላሽ ውይይት ያስከትል ነበር። በተጨማሪም፣ ተራን መለየት በዝምታ ላይ ስለሚመሰረት፣ አጭር እረፍት ወይም የጀርባ ድምጽ እንኳን የተራው መጨረሻ ነው ብሎ ሊሳሳት ይችላል — ይህም ሞዴሉ ተፈጥሯዊ ባልሆኑ ጊዜያት እንዲያቋርጥ ያደርገዋል።

GPT‑Live እነዚህን ገደቦች በሁለት የአወቃቀር ለውጦች ይፈታል።

መጀመሪያ፣ ሙሉ-ዱፕሌክስ አርክቴክቸርን በመጠቀም ለቀጣይነት ያለው መስተጋብር GPT‑Liveን ገንብተናል። የተለያዩ መልዕክቶችን በተከታታይ ከማቀናበር ይልቅ፣ GPT‑Live ውጤት እያመነጨ ግብዓትን በቀጣይነት ያቀናብራል። ስለዚህ ሞዴሉ በሰከንድ ብዙ ጊዜ የመስተጋብር ውሳኔዎችን ሊወስን ይችላል፤ መናገር፣ መስማትን መቀጠል፣ ማቆም፣ ማቋረጥ ወይም መሣሪያ መጥራት እንዳለበት ማወቅ።

ይህ ሞዴሉ ይበልጥ ተፈጥሯዊ ተመላላሽ ውይይት እንዲያደርግ፣ ጊዜን የተሻለ እንዲጠብቅ፣ እና ቀጥታ ትርጉም እንኳን እንዲፈጽም ያስችለዋል።

ሁለተኛ፣ ቀጣይነት ያለውን መስተጋብር የሚያስተናግደውን — GPT‑Liveን — ጥልቅት ካላቸው ሥራዎች ለይተነዋል። ጥያቄ ፍለጋ፣ ማመዛዘን ወይም ይበልጥ ወኪላዊ ችሎታዎችን ሲያስፈልግ፣ GPT‑Live ተግባሩን እንደ GPT‑5.5 ላለ ሌላ ሞዴል ሊወክል ይችላል። ይህ በጀርባ ብዙ ተግባራትን እያስተናገደም ቢሆን ውይይቱን እንዲቀጥል ያስችለዋል።

ይህ የአወቃቀር ለውጥ GPT‑Live አዳዲስ ሞዴሎችንና ወኪሎችን በቀጣይነት እንዲጠቀም፣ ግንባር ቀደም አስተውሎትን ከተፈጥሯዊ መስተጋብር ጋር እንዲያጣምር ያስችለዋል።

ደስ የማሰኘት ደረጃንና የውይይት ፍሰትን ለመለካት አዳዲስ የሰው ግምገማዎችን ገንብተናል። በእነዚህ ቀጥታ ንጽጽሮች ውስጥ፣ አጠቃላይ ምርጫን፣ ተራ መቀባበልን፣ ማቋረጦችን፣ የውይይት ፍሰትን እና እያንዳንዱ መስተጋብር ምን ያህል ተፈጥሯዊ እንደተሰማ በሚለኩ ተመሳሳይ የ5–10 ደቂቃ ውይይቶች፣ GPT‑Live‑1 እና GPT‑Live‑1 mini ከየላቀ የድምጽ ሁነታ በጣም ይመረጣሉ።

• GPQA፦ GPT‑Live‑1 በGPQA ላይ ከየላቀ የድምጽ ሁነታ በጉልህ መልኩ ይበልጣል፤ GPQA በባዮሎጂ፣ ኬሚስትሪ እና ፊዚክስ ዙሪያ የባለሙያ ደረጃ ሳይንሳዊ ማመዛዘንን ይፈትናል።
• BrowseComp፦ GPT‑Live‑1 በBrowseComp ላይ ከየላቀ የድምጽ ሁነታ በላይ ጠንካራ እድገት ያሳያል፤ BrowseComp ወኪላዊ የድር ፍለጋን እና ለማግኘት አስቸጋሪ የሆነ መረጃን የማግኘት ችሎታን ይፈትናል።
• τ³-Voice Telecom (ውስጣዊ ተለዋጭ)**፦ GPT‑Live‑1 በτ³-Voice Telecom ላይ ከየላቀ የድምጽ ሁነታ ይበልጣል፣ ይህም የድምጽ ወኪሎችን በእውነተኛ የሚመስሉ፣ ባለብዙ ተራ የቴሌኮም ድጋፍ ተግባራት ላይ ይፈትናል።

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።