പ്രധാന ഉള്ളടക്കത്തിലേക്ക് നീങ്ങുക
OpenAI

2026 ജൂലൈ 8

Productവിടുതൽ

GPT‑Live അവതരിപ്പിക്കുന്നു

സ്വാഭാവിക മനുഷ്യ-AI ഇടപെടലിനായുള്ള പുതിയ തലമുറ വോയ്സ് മോഡലുകൾ, ഇപ്പോൾ ChatGPT വോയ്സിന് ശക്തി നൽകുന്നു.

ലോഡിംഗ്…

AI-യുമായി സംസാരിക്കുന്നത് ഒരു യഥാർത്ഥ വ്യക്തിയോട് സംസാരിക്കുന്നതുപോലെ തോന്നിക്കുന്ന, പുതിയ തലമുറയിൽപ്പെട്ട വോയ്സ് മോഡലുകളായ GPT‑Live ഞങ്ങൾ അവതരിപ്പിക്കുന്നു.

ഫുൾ-ഡ്യൂപ്ലെക്സ് സാങ്കേതികവിദ്യ അടിസ്ഥാനമാക്കിയാണ് GPT‑Live നിർമ്മിച്ചിരിക്കുന്നത്. അതായത് ഒരേസമയം കേൾക്കാനും സംസാരിക്കാനും ഇതിന് കഴിയും. സംഭാഷണങ്ങൾക്കിടയിൽ, നമ്മൾ പറയുന്നത് ഇത് ശ്രദ്ധിക്കുന്നുണ്ടെന്ന് വ്യക്തമാക്കാൻ "ഉം..", "അതെ" പോലുള്ള മറുപടികൾ നൽകാനും വേഗത്തിൽ അങ്ങോട്ടുമിങ്ങോട്ടും സംസാരിക്കാനും ഇനി നിങ്ങൾക്ക് ചിന്തിക്കാൻ അൽപ്പം സമയം വേണമെങ്കിൽ മിണ്ടാതിരിക്കാനും GPT‑Live‑ന് കഴിയും. ഇത് സംഭാഷണങ്ങളെ ഒട്ടും ആയാസമില്ലാത്തതും തികച്ചും സ്വാഭാവികവുമാക്കുന്നു.

ഇതുവരെ ഞങ്ങൾ പുറത്തിറക്കിയിട്ടുള്ളതിൽ വെച്ച് ഏറ്റവും സമർത്ഥമായ വോയ്സ് മോഡൽ കൂടിയാണ് GPT‑Live. വെബ് തിരയൽ, കൂടുതൽ ആഴത്തിലുള്ള റീസണിംഗ്, അല്ലെങ്കിൽ കൂടുതൽ സങ്കീർണ്ണമായ ജോലി ആവശ്യമായ ചോദ്യങ്ങൾക്ക്, ഇത് പശ്ചാത്തലത്തിൽ ഞങ്ങളുടെ ഏറ്റവും പുതിയ അത്യാധുനിക മോഡലിന് ചുമതല ഏൽപ്പിക്കുകയും ഫലം തയ്യാറായാൽ സംഭാഷണത്തിലേക്ക് തിരികെ കൊണ്ടുവരുകയും ചെയ്യുന്നു. പ്രവർത്തിക്കുമ്പോഴും, GPT‑Live‑ന് നിങ്ങളോട് സംസാരിക്കുന്നത് തുടരാനും സംഭാഷണത്തിൻ്റെ ഒഴുക്ക് നിലനിർത്താനും കഴിയും. തുടക്കത്തിൽ, GPT‑Live പശ്ചാത്തലത്തിൽ GPT‑5.5 ഉപയോഗിക്കും. ഞങ്ങൾ പുതിയ അത്യാധുനിക മോഡലുകൾ പുറത്തിറക്കുന്നതനുസരിച്ച് GPT‑Live ഉപയോഗിക്കുന്ന മോഡലും നിരന്തരം അപ്‌ഡേറ്റ് ചെയ്തുകൊണ്ടിരിക്കും.

ഈ പുരോഗതികൾ കൂടുതൽ ബുദ്ധിപരവും സ്വാഭാവികവുമായ ഒരു പുതിയ ChatGPT വോയ്സ് അനുഭവം സമ്മാനിക്കുന്നു. കാലക്രമേണ, കൂടുതൽ സങ്കീർണ്ണവും കൂടുതൽ സമയം നീളുന്നതും കൂടുതൽ ഏജൻ്റിക് സ്വഭാവമുള്ളതുമായ ജോലികൾക്കായി വോയ്സ് ഉപയോഗിക്കാനുള്ള കഴിവും ഈ ഗവേഷണം തുറന്നുതരുമെന്ന് ഞങ്ങൾ വിശ്വസിക്കുന്നു.

GPT‑Live‑ൻ്റെ രണ്ട് പതിപ്പുകൾ — GPT‑Live‑1, GPT‑Live‑1 mini — ഇന്ന് മുതൽ ആഗോള ChatGPT ഉപയോക്താക്കൾക്ക് ലഭ്യമാക്കിത്തുടങ്ങുകയാണ്. കൂടാതെ അവ ഉടൻ API-യിലേക്കും കൊണ്ടുവരാൻ ഞങ്ങൾ പദ്ധതിയിടുന്നു; അറിയിപ്പ് ലഭിക്കാൻ ഡെവലപ്പർമാർക്കും എന്റർപ്രൈസുകൾക്കും ഈ ഫോം ഉപയോഗിച്ച് സൈൻ അപ്പ് ചെയ്യാം.

മനുഷ്യ-AI ആശയവിനിമയത്തിൻ്റെ പുതിയ യുഗത്തിലേക്ക്

യഥാർത്ഥത്തിൽ സ്വാഭാവികമായ മനുഷ്യ–AI ഇടപെടൽ സാധ്യമാക്കുകയാണ് ഞങ്ങളുടെ ലക്ഷ്യം: മറ്റൊരാളുമായി ജോലി ചെയ്യുന്നതുപോലെ AI-യുമായി സഹകരിക്കുന്നത് സുഗമവും പ്രതികരണക്ഷമവുമാകുകയും, അതേസമയം റീസണിംഗും സങ്കീർണ്ണമായ ടാസ്‌ക് നിർവഹണവും പശ്ചാത്തലത്തിൽ തടസ്സമില്ലാതെ നടക്കുകയും ചെയ്യുന്ന ഒരു ലോകം.

മുൻ സമീപനങ്ങൾ

പഴയ തലമുറകളിലെ വോയ്സ് AI സിസ്റ്റങ്ങൾ നമ്മെ ആ ദർശനത്തോട് അടുപ്പിച്ചെങ്കിലും, പ്രധാനപ്പെട്ട ചില വിട്ടുവീഴ്ചകൾ ഉണ്ടായിരുന്നു.

ഘട്ടംഘട്ടമായി പ്രവർത്തിക്കുന്ന വോയ്സ് സിസ്റ്റങ്ങൾ

ഓരോ ടേണും പ്രോസസ്സ് ചെയ്യാൻ ഒന്നിന് പിന്നാലെ ഒന്നായി പ്രവർത്തിക്കുന്ന മോഡലുകളുടെ പരമ്പരയെയാണ് കാസ്‌കേഡഡ് വോയ്സ് സിസ്റ്റങ്ങൾ ആശ്രയിക്കുന്നത്. യഥാർത്ഥ ChatGPT വോയ്സ് മൂന്ന് മോഡലുകൾ ചേർത്ത് ബന്ധിപ്പിച്ചു: നിങ്ങളുടെ സംസാരത്തെ ലിപ്യന്തരണം ചെയ്യാൻ ഒരു സ്പീച്ച്-ടു-ടെക്സ്റ്റ് മോഡൽ, പ്രതികരണം സൃഷ്ടിക്കാൻ ഒരു വലിയ ഭാഷാ മോഡൽ, അതിനെ വീണ്ടും സംസാരമാക്കി മാറ്റാൻ ഒരു ടെക്സ്റ്റ്-ടു-സ്പീച്ച് മോഡൽ. ഈ സമീപനം ആദ്യമായി അത്യാധുനിക AI മോഡലുകളുമായി സംസാരിക്കാൻ നമ്മെ സഹായിച്ചെങ്കിലും, ദോഷങ്ങളും ഉണ്ടാക്കി: മോഡലുകൾക്കിടയിൽ വിവരങ്ങൾ നഷ്ടപ്പെടാമായിരുന്നു, കൂടാതെ മറുപടികൾ വരാൻ സമയമെടുക്കുകയും അവ കൃത്രിമമായി തോന്നിക്കുകയും ചെയ്തിരുന്നു.

Cascaded voice system

Slow and stilted responses, long pauses

ട്രാൻസ്ക്രിപ്റ്റ്
Example conversation with Standard Voice Mode, using GPT-5.5 Instant

ടേൺ-അടിസ്ഥാനത്തിലുള്ള വോയ്സ് മോഡലുകൾ

ChatGPT അഡ്വാൻസ്ഡ് വോയ്സ് മോഡ് പോലുള്ള ടേൺ-അടിസ്ഥാനത്തിലുള്ള വോയ്സ് മോഡലുകൾ ഒരൊറ്റ മോഡലിനുള്ളിൽ ഓഡിയോ പ്രോസസ്സ് ചെയ്യുകയും സൃഷ്ടിക്കുകയും ചെയ്തു; ഇത് മറുപടി ലഭിക്കാനുള്ള കാലതാമസം കുറയ്ക്കുകയും സംഭാഷണങ്ങൾ കൂടുതൽ സുഗമമാക്കുകയും ചെയ്തു — എങ്കിലും അവ പ്രവർത്തിച്ചിരുന്നത് കൃത്യമായ ഇടവേളകളുള്ള ടെണുകളായിട്ടായിരുന്നു. മറുപടി നൽകുന്നതിന് മുമ്പ് ഉപയോക്താവ് സംസാരിക്കുന്നത് നിർത്തുന്നത് മോഡൽ കാത്തിരിക്കേണ്ടി വന്നതിനാൽ, ഇത് സംഭാഷണങ്ങൾക്ക് ഒരു തരം കാഠിന്യമേകി. കൂടാതെ, ടേൺ കണ്ടെത്തൽ നിശ്ശബ്ദതയെ അടിസ്ഥാനമാക്കിയതിനാൽ, ചെറു ഇടവേളയെയോ പശ്ചാത്തല ശബ്ദത്തെയോ പോലും ടേണിൻ്റെ അവസാനം എന്ന് തെറ്റിദ്ധരിക്കാമായിരുന്നു — ഇതുവഴി അസ്വാഭാവിക സമയങ്ങളിൽ മോഡൽ ഇടയ്ക്കു കയറാൻ ഇടയാകുമായിരുന്നു.

Turn-based voice model

Slightly faster and smoother responses, but back-and-forth with the model still feels rigid

ട്രാൻസ്ക്രിപ്റ്റ്
Example conversation with ChatGPT Advanced Voice Mode

ഞങ്ങളുടെ പുതിയ സമീപനം

സിസ്റ്റത്തിൽ വരുത്തിയ രണ്ട് പ്രധാന മാറ്റങ്ങളിലൂടെയാണ് GPT‑Live ഈ പരിമിതികളെ മറികടക്കുന്നത്.

തുടർച്ചയായ ഇടപെടൽ

ആദ്യം, ഫുൾ-ഡ്യൂപ്ലെക്സ് ആർക്കിടെക്ചർ ഉപയോഗിച്ച് തടസ്സമില്ലാത്ത ആശയവിനിമയം സാധ്യമാക്കാൻ GPT‑Live ഞങ്ങൾ നിർമ്മിച്ചു. വരിവരിയായി വരുന്ന വ്യത്യസ്ത സന്ദേശങ്ങളെ വെവ്വേറെ പ്രോസസ്സ് ചെയ്യുന്നതിന് പകരം, വരുന്ന വിവരങ്ങളെ നിരന്തരം വിശകലനം ചെയ്തുകൊണ്ടിരിക്കുന്നതിനൊപ്പം തന്നെ മറുപടിയും നൽകാൻ GPT‑Live‑ന് സാധിക്കും. അതുകൊണ്ട് തന്നെ ഒരു സെക്കൻഡിൽ പല തവണ ആശയവിനിമയവുമായി ബന്ധപ്പെട്ട തീരുമാനങ്ങളെടുക്കാൻ ഈ മോഡലിന് കഴിയും; അതായത് എപ്പോൾ സംസാരിക്കണം, തുടർന്ന് കേൾക്കണോ, അൽപ്പസമയം നിർത്തണോ, ഇടയ്ക്ക് കയറി സംസാരിക്കണോ അതോ ഏതെങ്കിലും ടൂൾ ഉപയോഗിക്കണോ എന്നെല്ലാം ഇതിന് സ്വയം തീരുമാനിക്കാം.

ഇതിലൂടെ മോഡലിന് കൂടുതൽ സ്വാഭാവികമായ അങ്ങോട്ടുമിങ്ങോട്ടുമുള്ള സംഭാഷണത്തിൽ ഏർപ്പെടാനും, സമയബോധം മെച്ചമായി നിലനിർത്താനും, തത്സമയ വിവർത്തനം പോലും നടത്താനും കഴിയും.

Continuous interaction

Fast, natural, expressive responses and more active listening

ട്രാൻസ്ക്രിപ്റ്റ്
Example conversation with GPT-Live-1, using GPT-5.5 Instant

ആഴത്തിലുള്ള ജോലിക്കായുള്ള ചുമതല കൈമാറ്റം

രണ്ടാമതായി, തടസ്സമില്ലാതെ ആശയവിനിമയം കൈകാര്യം ചെയ്യുന്ന GPT‑Live‑നെ ആഴത്തിലുള്ള ജോലികളിൽ നിന്ന് ഞങ്ങൾ വേർതിരിച്ചു. ഒരു ചോദ്യത്തിന് തിരയൽ, റീസണിംഗ്, അല്ലെങ്കിൽ കൂടുതൽ ഏജൻ്റിക് കഴിവുകൾ ആവശ്യമായി വരുകയാണെങ്കിൽ, GPT‑Live‑ന് ആ ടാസ്ക് GPT‑5.5 പോലുള്ള മറ്റൊരു മോഡലിനെ ഏൽപ്പിക്കാം. പശ്ചാത്തലത്തിൽ ഒന്നിലധികം ടാസ്കുകൾ കൈകാര്യം ചെയ്യുമ്പോഴും സംഭാഷണം തുടരാൻ ഇതിലൂടെ അതിന് കഴിയും.

സിസ്റ്റത്തിൻ്റെ ഘടനയിൽ വരുത്തിയ ഈ മാറ്റം, ഏറ്റവും പുതിയ മോഡലുകളും ഏജൻ്റുകളും നിരന്തരം ഉപയോഗിക്കാൻ GPT‑Live‑നെ സഹായിക്കുന്നു, ഇത് അത്യാധുനിക ഇൻ്റലിജൻസും സ്വാഭാവികമായ ആശയവിനിമയ ശൈലിയും ഒരുപോലെ ഒത്തുചേരുന്ന ഒരു അനുഭവം പ്രദാനം ചെയ്യുന്നു.

Delegation for deeper work

GPT-Live provides fast, natural responses, while GPT-5.5 handles search in the background

ട്രാൻസ്ക്രിപ്റ്റ്
Example conversation with GPT-Live-1, using GPT-5.5 Instant

മൂല്യനിർണയങ്ങൾ

ആശയവിനിമയത്തിൻ്റെ സ്വാഭാവികതയും ഒഴുക്കും ശാസ്ത്രീയമായി വിലയിരുത്തുന്നതിനായി ഉപയോക്താക്കളെ നേരിട്ട് പങ്കെടുപ്പിച്ചുകൊണ്ടുള്ള പുതിയ മൂല്യനിർണ്ണയ പ്രക്രിയ ഞങ്ങൾ രൂപീകരിച്ചു. നേരിട്ടുള്ള ഈ താരതമ്യങ്ങളിൽ സംഭാഷണത്തിൻ്റെ ഒഴുക്ക്, മാറിമാറി സംസാരിക്കൽ, ഇടയ്ക്കുള്ള ഇടപെടലുകൾ, ആശയവിനിമയത്തിലെ സ്വാഭാവികത എന്നിവയെല്ലാം വിലയിരുത്താനായി നടത്തിയ 5–10 മിനിറ്റ് വരെ നീളുന്ന സംഭാഷണങ്ങളിൽ, അഡ്വാൻസ്ഡ് വോയ്സ് മോഡിനേക്കാൾ ആളുകൾ ഏറെ ഇഷ്ടപ്പെട്ടത് GPT‑Live‑1, GPT‑Live‑1 mini എന്നിവയെയാണെന്ന് വ്യക്തമായി.

  • GPQA: ജീവശാസ്ത്രം, രസതന്ത്രം, ഭൗതികശാസ്ത്രം എന്നിവയിലുടനീളം വിദഗ്ധതല ശാസ്ത്രീയ റീസണിംഗ് പരിശോധിക്കുന്ന GPQA-യിൽ GPT‑Live‑1 അഡ്വാൻസ്ഡ് വോയ്സ് മോഡിനെക്കാൾ മികച്ച പ്രകടനമാണ് കാഴ്ചവെച്ചത്.
  • BrowseComp: ഏജൻ്റിക് വെബ് തിരയലും കണ്ടെത്താൻ ബുദ്ധിമുട്ടുള്ള വിവരങ്ങൾ കണ്ടെത്താനുള്ള കഴിവും പരിശോധിക്കുന്ന BrowseComp ടെസ്റ്റുകളിൽ അഡ്വാൻസ്ഡ് വോയ്സ് മോഡിനെക്കാൾ വലിയ മുന്നേറ്റമാണ് GPT‑Live‑1 കാഴ്ചവെക്കുന്നത്.
  • τ³-വോയ്സ് ടെലികോം**: യാഥാർത്ഥ്യപരമായ, മൾട്ടി-ടേൺ ടെലികോം പിന്തുണാ ടാസ്‌കുകളിൽ വോയ്സ് ഏജൻ്റുകളെ പരിശോധിക്കുന്ന τ³-വോയ്സ് ടെലികോമിൽ GPT‑Live‑1 അഡ്വാൻസ്ഡ് വോയ്സ് മോഡിനെ മറികടക്കുന്നു.

* GPT‑Live‑1 (instant) and GPT‑Live‑1 mini use the GPT‑5.5 Instant model in the background, while GPT‑Live‑1 Medium and GPT‑Live‑1 High use the GPT‑5.5 Thinking model with medium and high reasoning effort.

** We used a customized user model, powered by our latest reasoning models, for this eval.

ഒരു പുതിയ ChatGPT വോയ്സ് അനുഭവം

ഓരോ ആഴ്ചയും 150 ദശലക്ഷത്തിലധികം ആളുകളാണ് ChatGPT‑യോട് സംസാരിക്കുന്നത്. കൈകൾ ഉപയോഗിക്കാതെ തന്നെ ദൈനംദിന കാര്യങ്ങളിൽ സഹായം നേടാനും ഭാഷകൾ അഭ്യസിക്കാനും കുട്ടികൾക്ക് കഥകൾ പറഞ്ഞുകൊടുക്കാനും അല്ലെങ്കിൽ യാത്രകൾക്കിടയിൽ വെറുതെ സംസാരിച്ചിരിക്കാനും ഒക്കെയാണ് അവർ ഇത് ഉപയോഗിക്കുന്നത്.

ഇന്ന് മുതൽ, ChatGPT‑യോട് സംസാരിക്കാനായി നിങ്ങൾ വോയ്സ് ബട്ടൺ അമർത്തുമ്പോൾ, GPT‑Live നൽകുന്ന മെച്ചപ്പെട്ട അനുഭവം നിങ്ങൾക്ക് ലഭിക്കും—കൂടുതൽ സ്വാഭാവികമായ സംഭാഷണങ്ങൾ, സമർത്ഥമായ മറുപടികൾ, മികച്ച രീതിയിൽ കേട്ടു മനസ്സിലാക്കാനുള്ള ശേഷി, ഒപ്പം സ്ക്രീനിൽ വിവരങ്ങൾ കാണിച്ചുകൊണ്ടുള്ള മറുപടികൾ എന്നിവയൊക്കെ ഇനി നിങ്ങൾക്ക് ഇതിലൂടെ ആസ്വദിക്കാം.

കൂടുതൽ സ്വാഭാവികമായ സംഭാഷണങ്ങൾ

ChatGPT‑യുമായുള്ള സംഭാഷണം ഇനി മുതൽ തികച്ചും സ്വാഭാവികമായ ഒരു സംഭാഷണം പോലെ അനുഭവവേദ്യമാകും. സംഭാഷണത്തിനിടയിൽ ചോദ്യങ്ങൾ ഉന്നയിക്കാനും ചിന്തിക്കുന്നതിനായി താൽക്കാലികമായി നിർത്താനും സംഭാഷണത്തിൻ്റെ വേഗത ക്രമീകരിക്കാനും നിങ്ങൾക്ക് സാധിക്കും. നിങ്ങൾ പറയുന്ന കാര്യങ്ങൾ മനസ്സിലാക്കുന്നുണ്ടെന്ന് ഉറപ്പാക്കാൻ സിസ്റ്റം "ഉം..", "മനസ്സിലായി" പോലുള്ള സ്വാഭാവിക പ്രതികരണങ്ങൾ നൽകുന്നതാണ്. കൂടാതെ GPT‑Live‑നായി ChatGPT‑യിലെ വ്യത്യസ്തങ്ങളായ ഒൻപത് ശബ്ദങ്ങളും ഞങ്ങൾ കൂടുതൽ മികവുറ്റതാക്കിയിട്ടുണ്ട്.

സമർത്ഥമായ മറുപടികൾ

ChatGPT വോയ്സ് സംവിധാനം ഇപ്പോൾ ഞങ്ങളുടെ അത്യാധുനിക മോഡലുകൾ അടിസ്ഥാനമാക്കിയാണ് പ്രവർത്തിക്കുന്നത്; ഇത് നിങ്ങൾക്ക് കൂടുതൽ കൃത്യതയാർന്ന മറുപടികൾ ഉറപ്പാക്കുന്നു. ആവശ്യാനുസരണം തിരഞ്ഞെടുക്കാവുന്ന വിവിധ റീസണിംഗ് ക്രമീകരണങ്ങളും ഇതിലുണ്ട്: ChatGPT‑യുടെ അതിവേഗ പ്രതികരണങ്ങൾക്കായി ഇൻസ്റ്റൻ്റ് രീതിയും കൂടുതൽ ആഴത്തിലുള്ള വിശകലനങ്ങൾക്കായി മീഡിയം, ഹൈ എന്നീ ക്രമീകരങ്ങളും ഇതിൽ ലഭ്യമാണ്.

നന്നായി കേൾക്കാനുള്ള കഴിവ്

നിങ്ങൾ സംസാരിക്കുന്നതിനിടയിൽ അൽപ്പമൊന്ന് ചിന്തിക്കാൻ സമയമെടുത്താൽ, ChatGPT വോയ്സ് ഇടയ്ക്ക് കയറി തടസ്സപ്പെടുത്താതെ നിങ്ങൾക്കായി കാത്തിരിക്കും. കുറച്ചുനേരം മിണ്ടാതെ ഇരുന്ന് കേൾക്കാൻ ആവശ്യപ്പെട്ടാൽ അത് അങ്ങനെ തന്നെ ചെയ്യും. ഇനി വഴിയിലെ വാഹനങ്ങളുടെ ശബ്ദമോ ചുറ്റുമുള്ളവരുടെ സംസാരമോ പോലുള്ള പശ്ചാത്തല ശബ്ദങ്ങൾ ഉണ്ടെങ്കിൽപ്പോലും, അവയിലൊന്നും ശ്രദ്ധ പതറാതെ നിങ്ങളുടെ ശബ്ദത്തിൽ മാത്രം കൂടുതൽ ശ്രദ്ധ കേന്ദ്രീകരിക്കാൻ ഇപ്പോൾ സാധിക്കും.

സ്ക്രീനിൽ തെളിയുന്ന പെട്ടെന്നുള്ള മറുപടികൾ

ചില മറുപടികൾ കേൾക്കുന്നതിനേക്കാൾ കണ്ണുകൊണ്ട് കണ്ട് മനസ്സിലാക്കുന്നതാവും കൂടുതൽ ഉപകാരപ്രദം. നിങ്ങൾ സംസാരിച്ചുകൊണ്ടിരിക്കുമ്പോൾ തന്നെ കാലാവസ്ഥ, ഓഹരി വിപണി, കായികം തുടങ്ങിയ വിവരങ്ങൾ വ്യക്തമായി കാണിക്കുന്ന വിഷ്വൽ കാർഡുകൾ ഇനി ChatGPT‑യ്ക്ക് സ്ക്രീനിൽ കാണിക്കാൻ സാധിക്കും. ഇതിനൊപ്പം സെർച്ച്, മെമ്മറി, ചിത്രങ്ങൾ, ഫയലുകൾ അപ്‌ലോഡ് ചെയ്യൽ എന്നിവയ്ക്കുള്ള പിന്തുണയും വോയ്സ് ഫീച്ചറിൽ തുടർന്നും ലഭ്യമായിരിക്കും.

ഇതിൻ്റെ ഫലമായി, ദൈനംദിന ജീവിതത്തിൽ കൂടുതൽ സ്വാഭാവികവും കൂടുതൽ കാര്യക്ഷമവും ഒപ്പം ഏറെ ഉപകാരപ്രദവുമായ ഒരു പുതിയ ChatGPT വോയ്സ് അനുഭവം നിങ്ങൾക്ക് ലഭ്യമാകുന്നു.

വോയ്സ് ഫീച്ചറിനായി രൂപകൽപ്പന ചെയ്ത സുരക്ഷാ മാനദണ്ഡങ്ങൾ

സുരക്ഷിതമായി പ്രവർത്തിക്കുന്ന രീതിയിലാണ് GPT‑Live രൂപകൽപ്പന ചെയ്തിരിക്കുന്നത്. ഇത് ഞങ്ങളുടെ ഏറ്റവും പുതിയ മോഡലുകളിലെ വിപുലമായ സുരക്ഷാ ഫീച്ചറുകളെ അടിസ്ഥാനമാക്കിയാണ് വികസിപ്പിച്ചിരിക്കുന്നത്. കൂടാതെ വോയ്സ് ഫീച്ചറുകൾ നേരിടാനിടയുള്ള പ്രധാന വെല്ലുവിളികളെ മുൻകൂട്ടി കണ്ടുകൊണ്ടുള്ള പ്രത്യേക സുരക്ഷാ പരിശീലനങ്ങളും ഈ ഫീച്ചറിനായി മാത്രം തയ്യാറാക്കിയ പുതിയ സുരക്ഷാ മുൻകരുതലുകളും ഇതിൽ ഉൾപ്പെടുത്തിയിട്ടുണ്ട്.

വിപുലീകരിച്ച സുരക്ഷാ പരിശോധന

ആളുകൾ ദൈനംദിന ജീവിതത്തിൽ വോയ്സ് ഫീച്ചറുകൾ എങ്ങനെ ഉപയോഗിന്നു എന്ന് കൂടുതൽ വ്യക്തമായി മനസ്സിലാക്കാൻ ഞങ്ങൾ പുതിയ audio-netive പരിശോധനകൾ ഉൾപ്പെടുത്തി സുരക്ഷാ ടെസ്റ്റിംഗുകൾ വിപുലകരിച്ചു. അഡ്വാൻസ്ഡ് വോയ്സ് മോഡലിൽ നിന്നും ഞങ്ങൾ പഠിച്ച കാര്യങ്ങൾ അടിസ്ഥാനമാക്കി പ്രധാന സുരക്ഷാ മേഖലകളിൽ കൂടുതൽ ശ്രദ്ധ കേന്ദ്രീകരിക്കാൻ പോന്ന കൃത്രിമ ഓഡിയോ പരിശോധനകളും ഞങ്ങൾ ഇതിനായി തയ്യാറാക്കി. അതിൽ സ്വയം ഉപദ്രവിക്കൽ, മനോരോഗാവസ്ഥകൾ, AI-യോടുള്ള മാനസിക ആശ്രയം, അക്രമങ്ങൾ, അശ്ലീല ഉള്ളടക്കങ്ങൾ എന്നിവയുമായി ബന്ധപ്പെട്ട മേഖലകൾ ഉൾപ്പെടുന്നു. ഇതു കൂടാതെ വോയ്സ് സാങ്കേതികവിദ്യയിൽ മാത്രം ഉണ്ടാകാൻ സാധ്യതയുള്ള സുരക്ഷാ വെല്ലുവിളികൾ കണ്ടെത്തുന്നതിനായി ഞങ്ങളുടെ ആഭ്യന്തര വിദഗ്ധർ ഈ മോഡലിനെ കടുത്ത റെഡ്-ടീമിംഗ് പരിശോധനകൾക്കും വിധേയമാക്കിയിട്ടുണ്ട്.

ഞങ്ങളുടെ പരിശോധനകളിൽ, ഞങ്ങൾ വിലയിരുത്തിയ ഭൂരിഭാഗം മേഖലകളിലും അഡ്വാൻസ്ഡ് വോയ്സ് മോഡലിനേക്കാൾ മികച്ചതോ അല്ലെങ്കിൽ അതിന് തുല്യമായതോ ആയ പ്രകടനമാണ് GPT‑Live കാഴ്ചവെച്ചത്. ഞങ്ങളുടെ സുരക്ഷാ പരിശോധനകളെക്കുറിച്ചും മുൻകരുതലുകളെക്കുറിച്ചും കൂടുതൽ വിവരങ്ങൾ GPT‑Live സിസ്റ്റം കാർഡിൽ(പുതിയ വിൻഡോയിൽ തുറക്കുന്നു) വായിക്കാവുന്നതാണ്.

അന്തർലീനമായ സുരക്ഷാ സംവിധാനങ്ങൾ

വോയ്സ് കൺവേഴ്സേഷനുകൾ തത്സമയം നടക്കുന്നവയായതുകൊണ്ട് തന്നെ, മോഡൽ സംസാരിച്ചുകൊണ്ടിരിക്കുമ്പോൾ തന്നെ പ്രവർത്തിക്കാൻ ശേഷിയുള്ള സുരക്ഷാ മുൻകരുതലുകളും ഞങ്ങൾ ഇതിൽ ഉൾപ്പെടുത്തിയിട്ടുണ്ട്. സിസ്റ്റം സുരക്ഷിതമല്ലാത്ത എന്തെങ്കിലും മറുപടി കണ്ടെത്തുകയാണെങ്കിൽ അത് മോഡലിനെ കൂടുതൽ സുരക്ഷിതമായ ഒരു മറുപടിയിലേക്ക് തിരിച്ചുവിടുകയോ അധിക സുരക്ഷാ സന്ദേശങ്ങളോ സഹായ വിവരങ്ങളോ സ്ക്രീനിൽ കാണിക്കുകയോ ചെയ്യും. ഇനി കൂടുതൽ അപകടസാധ്യതയുള്ള സാഹചര്യങ്ങളാണെങ്കിൽ വോയ്സ് കൺവേഴ്സേഷനുകൾ പൂർണമായി അവസാനിപ്പിക്കുകയും ചെയ്യും. സ്വയം ദോഷം വരുത്തിവെക്കുന്ന പ്രവണതകൾ ഉൾപ്പെടുന്ന സംഭാഷണങ്ങൾക്ക് വിദഗ്ധർ അംഗീകരിച്ചിട്ടുള്ള ക്രൈസിസ് ഹെൽപ്പ്ലൈൻ സഹായം ലഭ്യമാക്കുന്നത് ഉൾപ്പെടെയുള്ള ChatGPT‑യുടെ പ്രത്യേക പിന്തുണാ സംവിധാനങ്ങൾ വോയ്സ് ഫീച്ചറിലും ഞങ്ങൾ സജ്ജമാക്കിയിട്ടുണ്ട്.

കൗമാരക്കാരായ ഉപയോക്താക്കളുടെ സംരക്ഷണത്തിനായി അധിക സുരക്ഷാ മുൻകരുതലുകൾ ഞങ്ങൾ തയ്യാറാക്കിയിട്ടുണ്ട്. അവർക്ക് അനുയോജ്യമായ രീതിയിൽ മാത്രം മോഡൽ പെരുമാറാനും തെറ്റായ മറുപടികൾ നൽകാനുള്ള സാധ്യത ഒഴിവാക്കാനുമായി പ്രത്യേക പരിശീലനം തന്നെ ഈ മോഡലിന് നൽകിയിട്ടുണ്ട്. പേരൻ്റൽ കണ്ട്രോളുകൾ വഴി തങ്ങളുടെ കുട്ടികൾക്ക് ChatGPT വോയ്സ് ഉപയോഗിക്കാനുള്ള അനുമതി നൽകണമോ വേണ്ടയോ എന്ന് മാതാപിതാക്കൾക്ക് തീരുമാനിക്കാവുന്നതാണ്. ഇനി സ്വയം ഹാനിവരുത്താനോ ആത്മഹത്യ ചെയ്യാനോ ഉള്ള പ്രവണതകൾ പോലുള്ള അതീവ അപകടസാധ്യതയുള്ള സാഹചര്യങ്ങൾ ഉണ്ടായാൽ, ഈ അക്കൗണ്ടുമായി ബന്ധിപ്പിച്ചിട്ടുള്ള രക്ഷിതാക്കൾക്ക് സിസ്റ്റത്തിൽ നിന്നും നേരിട്ട് അറിയിപ്പുകൾ ലഭിക്കുന്നതുമായിരിക്കും.

പ്രായോഗിക തലത്തിൽ ഉപയോഗിച്ച് നോക്കി മനസ്സിലാക്കുന്നത്

ഉപയോക്താക്കൾക്ക് ഉണ്ടാകുന്ന വൈകാരിക ആശ്രയത്വത്തെക്കുറിച്ച് പഠിക്കുന്നതിനും സുരക്ഷാ സംവിധാനങ്ങൾ കൂടുതൽ പരിഷ്കരിക്കുന്നതിനും വേണ്ടി, ദീർഘകാലാടിസ്ഥാനത്തിലുള്ള നിരീക്ഷണ സംവിധാനങ്ങൾ ഞങ്ങൾ വിന്യസിക്കുകയാണ്. ഉപയോക്താക്കളുടെ വൈകാരിക ഭാവങ്ങളെയും മാനസികാരോഗ്യത്തെയും കുറിച്ച് ഞങ്ങൾ മുമ്പ് നടത്തിയ ഗവേഷണങ്ങളുടെ അടിസ്ഥാനത്തിലാണ് ഇത് ചെയ്യുന്നത്. ആളുകളുടെ പെരുമാറ്റ രീതികളിൽ ഉണ്ടാകുന്ന പുതിയ മാറ്റങ്ങൾ തിരിച്ചറിയാനും വൈകാരികമായി അതീവ ജാഗ്രത വേണ്ട സംഭാഷണങ്ങളിൽ ഈ സിസ്റ്റം എങ്ങനെ മറുപടി നൽകണം എന്ന് കൂടുതൽ മെച്ചപ്പെടുത്താനും ഇത് ഞങ്ങളെ സഹായിക്കും.

അവസാനമായി, GPT‑Live രൂപകൽപ്പന ചെയ്തിരിക്കുന്നത് സംഭാഷണത്തിനായാണ്, ശബ്ദ അനുകരണത്തിനല്ല. ഒരു യഥാർത്ഥ വ്യക്തിയുടെ ശബ്ദം അനുകരിക്കുന്നത് തടയാനുള്ള സുരക്ഷാ സംവിധാനങ്ങളോടൊപ്പം, ChatGPT‑യിലെ മുൻകൂട്ടി നിർവചിച്ച ശബ്ദങ്ങളുടെ ഒരു സമുച്ചയമാണ് ഇത് ഉപയോഗിക്കുന്നത്.

ഉപയോക്താക്കളുടെ സുരക്ഷയും ക്ഷേമവും സംരക്ഷിക്കാൻ ഞങ്ങൾ പ്രതിബദ്ധരാണ്; നേരിട്ട് ഉപയോഗിച്ചു നോക്കിയതിൽ നിന്ന് പഠിക്കുന്ന കാര്യങ്ങൾ മുൻനിർത്തി ഈ സുരക്ഷാ ക്രമീകരണങ്ങൾ ഞങ്ങൾ തുടർന്നും കൂടുതൽ ശക്തമാക്കിക്കൊണ്ടിരിക്കും.

ലഭ്യതയും പരിമിതികളും

iOS, Android, ChatGPT.com(പുതിയ വിൻഡോയിൽ തുറക്കുന്നു) എന്നിവയിലുടനീളം ആഗോള ChatGPT ഉപയോക്താക്കൾക്കായി GPT‑Live ഇപ്പോൾ ലഭ്യമായിത്തുടങ്ങിയിട്ടുണ്ട്. Go, Plus, Pro ഉപയോക്താക്കൾക്കുള്ള ChatGPT വോയ്സിൻ്റെ പ്രധാന മോഡലായി GPT‑Live‑1 മാറും; അതേസമയം സൗജന്യമായി ഉപയോഗിക്കുന്നവർക്ക് GPT‑Live‑1 mini ആയിരിക്കും ഡിഫോൾട്ടായി ലഭിക്കുക. ഇത് ലഭ്യമാകുന്നതിനെക്കുറിച്ചുള്ള കൂടുതൽ വിവരങ്ങൾ ഞങ്ങളുടെ ഹെൽപ്പ് സെൻ്ററിൽ(പുതിയ വിൻഡോയിൽ തുറക്കുന്നു) കാണാവുന്നതാണ്.

ChatGPT‑യിൽ ആളുകൾ ഏറ്റവും കൂടുതൽ ഉപയോഗിക്കുന്ന ചില പ്രധാന ഭാഷകൾക്കായി ഞങ്ങൾ GPT‑Live സജ്ജീകരിച്ചിട്ടുണ്ട്. എങ്കിലും ചില പ്രത്യേക ഭാഷകളിൽ സംസാരിക്കുമ്പോൾ മോഡലിൻ്റെ ഉച്ചാരണത്തിൽ ചെറിയൊരു അന്യഭാഷാ ശൈലി കടന്നുവരാനോ അല്ലെങ്കിൽ ഒഴുക്കോടെ സംസാരിക്കുന്നതിൽ ചില പോരായ്മകൾ ഉണ്ടാകാനോ സാധ്യതയുണ്ട്. എല്ലാ ഭാഷകളിലുമുള്ള ഈ സംഭാഷണാനുഭവം കൂടുതൽ മെച്ചപ്പെടുത്താനുള്ള ശ്രമങ്ങളിലാണ് ഞങ്ങൾ ഇപ്പോൾ.

തുടക്കത്തിൽ, ChatGPT‑യിലെ വീഡിയോയോടുകൂടിയ വോയ്സിനോ സ്ക്രീൻ പങ്കിടലിനോ GPT‑Live പിന്തുണ നൽകില്ല; എന്നാൽ ഈ സൗകര്യങ്ങൾ എത്രയും വേഗം ലഭ്യമാക്കാനുള്ള ശ്രമങ്ങളിലാണ് ഞങ്ങൾ. ഈ ഫീച്ചറുകൾ ലഭ്യമായിട്ടുള്ള സ്റ്റാൻഡേർഡ് അഡ്വാൻസ്ഡ് വോയ്സ് മോഡ് ഉൾപ്പെടെയുള്ള പഴയ ChatGPT വോയ്സ് പതിപ്പുകൾ നിങ്ങൾക്ക് ഇപ്പോഴും ഉപയോഗിക്കാവുന്നതാണ്.

രചയിതാവ്

OpenAI