GPT‑Live পরিচিতি

31 জুলাই 2026 তারিখের আপডেট: ChatGPT Voice এবং OpenAI API-এর মাধ্যমে GPT‑Live দিয়ে তৈরি সমর্থিত অডিওতে এখন SynthID ওয়াটারমার্কিং অন্তর্ভুক্ত রয়েছে. আমাদের পাবলিক যাচাইকরণ টুল এখন সমর্থিত অডিও ফাইলে OpenAI-এর উৎপত্তি সংকেত শনাক্ত করতে পারে এবং আমরা যাচাইকরণের জন্য API অ্যাক্সেস চালু করেছি যাতে ডেভেলপার এবং সংস্থাগুলো তাদের নিজস্ব ওয়ার্কফ্লোতে উৎপত্তি যাচাই অন্তর্ভুক্ত করতে পারে. এই আপডেটগুলো নিচে বর্ণিত নিরাপত্তা পদ্ধতি এবং OpenAI-জেনারেটেড কনটেন্ট সহজে শনাক্তযোগ্য করার জন্য আমাদের বৃহত্তর কাজের উপর ভিত্তি করে গড়ে উঠেছে.

আমরা GPT‑Live চালু করছি, নতুন প্রজন্মের ভয়েস মডেল যা AI-এর সঙ্গে কথা বলাকে বাস্তব কথোপকথনের মতো অনেক বেশি স্বাভাবিক করে তোলে.

GPT‑Live একটি ফুল-ডুপ্লেক্স আর্কিটেকচারের ওপর তৈরি, অর্থাৎ এটি একই সঙ্গে শুনতে এবং কথা বলতে পারে. কথোপকথনের সময় GPT‑Live “হুঁ” বা “হ্যাঁ”-এর মতো শব্দ দিয়ে বোঝাতে পারে যে এটি মনোযোগ দিচ্ছে, দ্রুত পাল্টাপাল্টি কথায় অংশ নিতে পারে, অথবা আপনার ভাবার জন্য একটু সময় দরকার হলে চুপ করে থাকতে পারে. এর ফল হলো এমন এক ভয়েস অভিজ্ঞতা, যার সঙ্গে কথা বলা সত্যিই সহজ ও স্বচ্ছন্দ লাগে.

GPT‑Live এখন পর্যন্ত আমাদের সবচেয়ে স্মার্ট ভয়েস মডেলও. যেসব প্রশ্নের জন্য ওয়েব সার্চ, গভীরতর যুক্তি বা আরও জটিল কাজ দরকার, সেগুলোর ক্ষেত্রে এটি আড়ালে আমাদের সর্বশেষ অত্যাধুনিক মডেলের কাছে কাজটি অর্পণ করে এবং ফল প্রস্তুত হলে সেটি কথোপকথনে ফিরিয়ে আনে. কাজ চলার সময় GPT‑Live আপনার সঙ্গে কথা চালিয়ে যেতে এবং কথোপকথনের প্রবাহ বজায় রাখতে পারে. লঞ্চের সময় GPT‑Live পেছনে GPT‑5.5 ব্যবহার করবে. আমরা নতুন অত্যাধুনিক মডেল রিলিজ করার সঙ্গে সঙ্গে GPT‑Live যে মডেল ব্যবহার করে সেটি নিয়মিত আপডেট করব.

এই অগ্রগতিগুলো আরও বুদ্ধিমান ও স্বাভাবিকভাবে ব্যবহারযোগ্য একটি নতুন ChatGPT ভয়েস অভিজ্ঞতার ভিত্তি তৈরি করে. সময়ের সঙ্গে আমরা বিশ্বাস করি, এই গবেষণা ক্রমেই আরও জটিল, দীর্ঘমেয়াদি ও এজেন্টসুলভ কাজে ভয়েস ব্যবহারের সক্ষমতাও উন্মুক্ত করবে.

আজ থেকে আমরা বিশ্বজুড়ে ChatGPT ব্যবহারকারীদের জন্য GPT‑Live‑এর দুটি সংস্করণ – GPT‑Live‑1 এবং GPT‑Live‑1 mini – চালু করতে শুরু করছি. শিগগিরই এগুলো API-তেও আনার পরিকল্পনা আছে, এবং ডেভেলপার ও এন্টারপ্রাইজগুলো এই ফর্ম⁠ ব্যবহার করে নোটিফিকেশন পেতে সাইন আপ করতে পারে.

আমাদের লক্ষ্য হলো সত্যিকারের স্বাভাবিক মানব–AI মিথস্ক্রিয়া সম্ভব করা: এমন এক জগৎ, যেখানে AI-এর সঙ্গে সহযোগিতা আরেকজন মানুষের সঙ্গে কাজ করার মতোই সাবলীল ও সাড়া-দেওয়া মনে হবে, আর যুক্তি প্রয়োগ ও জটিল কাজ সম্পাদন আড়ালে নির্বিঘ্নে চলবে.

পুরোনো প্রজন্মের ভয়েস AI সিস্টেমগুলো আমাদের সেই লক্ষ্যের কাছাকাছি এনেছিল, তবে গুরুত্বপূর্ণ কিছু সীমাবদ্ধতা ছিল.

ক্যাসকেডেড ভয়েস সিস্টেমে প্রতিটি পালা প্রক্রিয়াকরণের জন্য একটির পর একটি মডেল ধারাবাহিকভাবে কাজ করে. মূল ChatGPT ভয়েস তিনটি মডেলকে একসঙ্গে শৃঙ্খলিত করেছিল: আপনার বক্তব্য ট্রান্সক্রাইব করার জন্য একটি স্পিচ-টু-টেক্সট মডেল, সাড়া তৈরি করার জন্য একটি বড় ভাষা মডেল, এবং সেটিকে আবার কথায় রূপান্তর করার জন্য একটি টেক্সট-টু-স্পিচ মডেল. এই পদ্ধতি আমাদের প্রথমবারের মতো অত্যাধুনিক AI মডেলগুলোর সঙ্গে কথা বলার সুযোগ দিয়েছিল, কিন্তু জটিলতার মূল্য দিতে হয়েছে: মডেলগুলোর মধ্যে তথ্য হারিয়ে যেতে পারত, আর সাড়াগুলো ছিল ধীর ও আড়ষ্ট.

ChatGPT অ্যাডভান্সড ভয়েস মোড-এর মতো পালাভিত্তিক ভয়েস মডেলগুলো একটি মডেলের মধ্যেই অডিও প্রক্রিয়াকরণ ও তৈরি করত, ফলে বিলম্ব কমত এবং কথোপকথন মসৃণ হতো — কিন্তু সেগুলো এখনও আলাদা আলাদা পালার মাধ্যমে কাজ করত. সাড়া দেওয়ার আগে মডেলকে ব্যবহারকারীর কথা বলা শেষ হওয়া পর্যন্ত অপেক্ষা করতে হতো, ফলে কথোপকথন কঠোর পাল্টাপাল্টি রূপ নিত. এর পাশাপাশি, পালা শনাক্তকরণ নীরবতার ওপর নির্ভর করায় সামান্য বিরতি বা পেছনের শব্দও পালা শেষ হয়েছে বলে ভুল ধরা পড়তে পারত — ফলে মডেল অস্বাভাবিক সময়ে বাধা দিত.

GPT‑Live দুটি আর্কিটেকচারগত পরিবর্তনের মাধ্যমে এসব সীমাবদ্ধতা দূর করে.

প্রথমত, আমরা ফুল-ডুপ্লেক্স আর্কিটেকচার ব্যবহার করে ধারাবাহিক মিথস্ক্রিয়ার জন্য GPT‑Live তৈরি করেছি. আলাদা আলাদা বার্তার ধারাবাহিকতা প্রক্রিয়াকরণের বদলে, GPT‑Live আউটপুট তৈরি করার সময়ই ক্রমাগত ইনপুট প্রক্রিয়াকরণ করে. ফলে মডেল প্রতি সেকেন্ডে বহুবার মিথস্ক্রিয়া-সংক্রান্ত সিদ্ধান্ত নিতে পারে: কথা বলবে, শুনতে থাকবে, বিরতি দেবে, বাধা দেবে, নাকি কোনো টুল চালু করবে.

এর ফলে মডেল আরও স্বাভাবিক পাল্টাপাল্টি কথোপকথনে অংশ নিতে, সময় সম্পর্কে ভালো ধারণা বজায় রাখতে, এমনকি লাইভ অনুবাদও করতে পারে.

দ্বিতীয়ত, আমরা GPT‑Live‑কে — যা ধারাবাহিক মিথস্ক্রিয়া সামলায় — গভীরতর কাজ থেকে আলাদা করেছি. কোনো প্রশ্নের জন্য সার্চ, যুক্তি প্রয়োগ বা আরও এজেন্টসুলভ সক্ষমতা দরকার হলে, GPT‑Live কাজটি GPT‑5.5‑এর মতো অন্য কোনো মডেলের কাছে অর্পণ করতে পারে. এর ফলে পেছনে একাধিক কাজ সামলানোর সময়ও এটি কথোপকথন চালিয়ে যেতে পারে.

এই আর্কিটেকচারগত পরিবর্তন GPT‑Live‑কে সর্বশেষ মডেল ও এজেন্টগুলো ধারাবাহিকভাবে ব্যবহার করতেও সক্ষম করে, যেখানে অত্যাধুনিক বুদ্ধিমত্তা স্বাভাবিক মিথস্ক্রিয়ার সঙ্গে মিলিত হয়.

কথোপকথনের স্বচ্ছন্দতা ও প্রবাহ মাপার জন্য আমরা নতুন মানব মূল্যায়ন তৈরি করেছি. এই সরাসরি তুলনাগুলোতে সামগ্রিক পছন্দ, পালা নেওয়া-দেওয়া, বাধা, কথোপকথনের প্রবাহ এবং প্রতিটি মিথস্ক্রিয়া কতটা স্বাভাবিক লেগেছে তা মাপা মিলযুক্ত ৫–১০ মিনিটের কথোপকথনে GPT‑Live‑1 এবং GPT‑Live‑1 mini-কে অ্যাডভান্সড ভয়েস মোডের চেয়ে স্পষ্টভাবে বেশি পছন্দ করা হয়েছে.

• GPQA: GPT‑Live‑1 GPQA-তে অ্যাডভান্সড ভয়েস মোডের তুলনায় অনেক ভালো ফল করে; GPQA জীববিজ্ঞান, রসায়ন ও পদার্থবিজ্ঞানে বিশেষজ্ঞ-স্তরের বৈজ্ঞানিক যুক্তি প্রয়োগ পরীক্ষা করে.
• BrowseComp: GPT‑Live‑1 BrowseComp-এ অ্যাডভান্সড ভয়েস মোডের তুলনায় শক্তিশালী উন্নতি দেখায়; BrowseComp এজেন্টসুলভ ওয়েব সার্চ এবং খুঁজে পাওয়া কঠিন তথ্য বের করার সক্ষমতা পরীক্ষা করে.
• τ³-Voice Telecom (অভ্যন্তরীণ সংস্করণ)**: GPT‑Live‑1, τ³-Voice Telecom-এর Advanced Voice Mode-কে ছাড়িয়ে যায়, যা বাস্তবসম্মত, একাধিক-ধাপের টেলিকম সহায়তা টাস্কে ভয়েস এজেন্টদের পরীক্ষা করে.

প্রতি সপ্তাহে ১৫ কোটিরও বেশি মানুষ ভয়েস ও ডিক্টেশনের মতো ফিচার ব্যবহার করে ChatGPT‑এর সঙ্গে কথা বলেন. তারা এটি ব্যবহার করেন হাতে-কলমে ছাড়া দৈনন্দিন সহায়তা পেতে, ভাষা অনুশীলন করতে, ঘুমপাড়ানি গল্প বলতে, অথবা যাতায়াতের সময় স্রেফ আড্ডা দিতে.

আজ থেকে, ChatGPT‑এর সঙ্গে কথা বলতে ভয়েস বোতামে ট্যাপ করলে আপনি GPT‑Live দ্বারা চালিত উন্নত অভিজ্ঞতা পাবেন, যেখানে আছে আরও স্বাভাবিক কথোপকথন, আরও স্মার্ট উত্তর, ভালোভাবে শোনা এবং ভিজ্যুয়াল জবাব.

ChatGPT‑এর সঙ্গে কথা বলা এখন সত্যিকারের কথোপকথনের মতো অনেক বেশি স্বাভাবিক মনে হবে. আপনি প্রশ্ন করে মাঝপথে থামাতে পারেন, ভাবনা গুছিয়ে নিতে বিরতি নিতে পারেন, অথবা ChatGPT‑কে ধীরে বলতে বলতে পারেন. এটি স্বাভাবিকভাবেই “হুম” বা “বুঝেছি”-এর মতো বাক্যাংশ দিয়ে আপনার কথা বোঝার ইঙ্গিত দেয়, যাতে আপনি বুঝতে পারেন এটি মনোযোগ দিয়ে শুনছে. GPT‑Live‑এর জন্য আমরা ChatGPT‑এর নয়টি স্বতন্ত্র ভয়েসও নতুনভাবে পরিমার্জন করেছি.

ChatGPT ভয়েস এখন আমাদের সর্বশেষ অত্যাধুনিক মডেলগুলো ব্যবহার করতে পারে, ফলে প্রয়োজনে আপনি আরও স্মার্ট উত্তর পান. আপনি আপনার প্রয়োজন অনুযায়ী যুক্তির স্তরও বেছে নিতে পারেন: দ্রুত উত্তরের জন্য Instant, আর ChatGPT‑কে বেশি সময় নিয়ে ভাবাতে চাইলে Medium ও High.

আপনি ভাবার জন্য একটু সময় নিলে ChatGPT ভয়েস এখন মাঝখানে ঢুকে পড়ার বদলে অপেক্ষা করে. আপনি যদি একে চুপ করে শুনতে বলেন, এটি তাই করবে. আর পাশ দিয়ে যাওয়া যানবাহন বা কাছাকাছি কথোপকথনের মতো পটভূমির শব্দ থাকলেও, ChatGPT বিভ্রান্ত না হয়ে আপনার কণ্ঠে মনোযোগ দিতে আরও ভালো পারে.

কিছু উত্তর চোখে দেখলে বেশি কাজে লাগে. আপনি কথা বলার সময় ChatGPT এখন আবহাওয়া, শেয়ারবাজার, খেলাধুলা ইত্যাদি বিষয়ে সমৃদ্ধ ভিজ্যুয়াল কার্ড দেখাতে পারে. ভয়েস সার্চ, মেমরি, ছবি এবং ফাইল আপলোড সমর্থন করাও চালিয়ে যাচ্ছে.

ফলে ChatGPT ভয়েস অভিজ্ঞতা দৈনন্দিন জীবনে আরও স্বাভাবিক, আরও সক্ষম এবং আরও উপযোগী মনে হয়.

GPT‑Live ডিফল্টভাবেই নিরাপদ হওয়ার জন্য নকশা করা হয়েছে. এটি আমাদের সর্বশেষ মডেলগুলোর নিরাপত্তা অগ্রগতির ওপর ভিত্তি করে তৈরি, পাশাপাশি মূল ঝুঁকির ক্ষেত্রগুলোতে নিবেদিত নিরাপত্তা প্রশিক্ষণ এবং বিশেষভাবে ভয়েসের জন্য তৈরি নতুন সুরক্ষা ব্যবস্থা যোগ করে.

মানুষ বাস্তব পরিস্থিতিতে কীভাবে ভয়েস ব্যবহার করে তা আরও ভালোভাবে প্রতিফলিত করতে, আমরা নতুন অডিও-নেটিভ মূল্যায়ন যুক্ত করে নিরাপত্তা পরীক্ষা বিস্তৃত করা শুরু করেছি. অ্যাডভান্সড ভয়েস মোড থেকে শেখা বিষয়গুলোর ভিত্তিতে আমরা তৈরি করা অডিও ব্যবহার করে এমন সিন্থেটিক মূল্যায়নও করেছি, যাতে মূল নিরাপত্তা ক্ষেত্রগুলোতে আরও গভীরভাবে মনোযোগ দেওয়া যায়. এই ক্ষেত্রগুলোর মধ্যে আছে আত্মক্ষতি, সাইকোসিস ও ম্যানিয়া, AI-এর ওপর আবেগগত নির্ভরতা, সহিংসতা এবং যৌন বিষয়বস্তু. অভ্যন্তরীণ বিশেষজ্ঞরাও ভয়েসের জন্য অনন্য ঝুঁকি নিয়ে মডেলটি রেড-টিম করেছেন.

আমাদের পরীক্ষায়, মূল্যায়ন করা প্রায় সব ক্ষেত্রেই GPT‑Live অ্যাডভান্সড ভয়েস মোডের সমতুল্য বা তার চেয়ে ভালো পারফর্ম করেছে. আমাদের পরীক্ষা ও সুরক্ষা ব্যবস্থা সম্পর্কে আরও পড়তে পারেন GPT‑Live সিস্টেম কার্ডে⁠(একটি নতুন উইন্ডোতে খোলে).

ভয়েস কথোপকথন যেহেতু রিয়েল টাইমে এগোয়, তাই মডেল কথা বলার সময়ই কাজ করতে পারে এমন সুরক্ষা ব্যবস্থাও আমরা তৈরি করেছি. সিস্টেম সম্ভাব্য অনিরাপদ আউটপুট শনাক্ত করলে, এটি মডেলকে নিরাপদতর উত্তরের দিকে পরিচালিত করতে পারে, অতিরিক্ত নিরাপত্তা বার্তা বা রিসোর্স দেখাতে পারে, অথবা বেশি ঝুঁকির ক্ষেত্রে ভয়েস কথোপকথন শেষ করতে পারে. আত্মক্ষতি-সংক্রান্ত কথোপকথনের জন্য, আমরা ChatGPT‑এর সহায়তা প্রবাহগুলো ভয়েসের উপযোগী করেছি, যার মধ্যে বিশেষজ্ঞ-পর্যালোচিত সংকটকালীন হেল্পলাইন সহায়তা দেওয়াও রয়েছে.

কিশোর-কিশোরী ব্যবহারকারীদের সহায়তার জন্য আমরা অতিরিক্ত সুরক্ষা নকশা করেছি, এবং অনুপযুক্ত উত্তরের ঝুঁকি কমাতে মডেলের মধ্যেই বয়স-উপযোগী আচরণ প্রশিক্ষণ দিয়েছি. অভিভাবকেরা প্যারেন্টাল কন্ট্রোলসের মাধ্যমে তাদের কিশোর সন্তান ChatGPT ভয়েস ব্যবহার করতে পারবে কি না বেছে নিতে পারেন, এবং সম্ভাব্য আত্মক্ষতি বা আত্মহত্যার ইচ্ছার লক্ষণ-সংক্রান্ত বেশি ঝুঁকির পরিস্থিতিতে সংযুক্ত অভিভাবকদের জানানো হতে পারে.

আবেগগত নির্ভরতা নিয়ে আমাদের বোঝাপড়া উন্নত করা এবং সুরক্ষা ব্যবস্থা পরিমার্জন অব্যাহত রাখতে আমরা দীর্ঘমেয়াদি পরিমাপ ও লঞ্চ-পরবর্তী পর্যবেক্ষণও চালু করছি. আবেগগত ব্যবহার ও মানসিক সুস্থতা নিয়ে আমাদের আগের গবেষণার ওপর ভিত্তি করে, এটি আমাদের উদীয়মান ধরন শনাক্ত করতে এবং আবেগগতভাবে সংবেদনশীল ইন্টারঅ্যাকশনে সিস্টেম কীভাবে সাড়া দেয় তা উন্নত করতে সাহায্য করবে.

সবশেষে, GPT‑Live কথোপকথনের জন্য নকশা করা হয়েছে, কণ্ঠস্বর অনুকরণের জন্য নয়. এটি ChatGPT‑তে নির্ধারিত কয়েকটি ভয়েস ব্যবহার করে, এবং বাস্তব কোনো ব্যক্তির কণ্ঠস্বর নকল করা ঠেকাতে সুরক্ষা ব্যবস্থা রয়েছে.

আমরা নিরাপত্তা ও সুস্থতা সমর্থনে প্রতিশ্রুতিবদ্ধ, এবং বাস্তব ব্যবহার থেকে শিখতে শিখতে এই সুরক্ষাগুলো আরও শক্তিশালী করতে থাকব.

GPT‑Live এখন iOS, Android এবং ChatGPT.com⁠(একটি নতুন উইন্ডোতে খোলে)-এ বিশ্বজুড়ে ChatGPT ব্যবহারকারীদের জন্য চালু হচ্ছে. GPT‑Live‑1 Go, Plus এবং Pro ব্যবহারকারীদের জন্য ChatGPT ভয়েস চালানোর ডিফল্ট মডেল হবে, আর GPT‑Live‑1 mini Free ব্যবহারকারীদের জন্য ডিফল্ট হবে. প্রাপ্যতা সম্পর্কে আরও বিস্তারিত আমাদের হেল্প সেন্টারে⁠(একটি নতুন উইন্ডোতে খোলে) পাওয়া যাবে.

ChatGPT‑এর সবচেয়ে জনপ্রিয় কয়েকটি ভাষার জন্য আমরা GPT‑Live অপ্টিমাইজ করেছি. কিছু ভাষায়, মডেলের উচ্চারণ স্থানীয়দের মতো নাও হতে পারে বা সাবলীলতায় ঘাটতি থাকতে পারে. ভাষাজুড়ে অভিজ্ঞতা উন্নত করতে আমরা সক্রিয়ভাবে কাজ করছি.

লঞ্চের সময় GPT‑Live ChatGPT‑তে ভিডিও বা স্ক্রিন শেয়ারিংসহ ভয়েস সমর্থন করবে না, তবে আমরা শিগগিরই এসব সক্ষমতা চালু করতে কাজ করছি. যেখানে এসব ফিচার উপলভ্য, সেখানে আপনি Standard এবং অ্যাডভান্সড ভয়েস মোডসহ ChatGPT ভয়েসের পুরোনো সংস্করণগুলো এখনও ব্যবহার করতে পারবেন.