GPT‑Live അവതരിപ്പിക്കുന്നു

2026 ജൂലൈ 31-ലെ അപ്‌ഡേറ്റ്: ChatGPT വോയ്സ്, OpenAI API എന്നിവ വഴി GPT‑Live നിർമ്മിക്കുന്ന ഓഡിയോയിൽ ഇപ്പോൾ SynthID വാട്ടർമാർക്കിംഗ് ഉൾപ്പെടുത്തിയിട്ടുണ്ട്. ഞങ്ങളുടെ പൊതുജനങ്ങൾക്ക് ലഭ്യമായ വേരിഫിക്കേഷൻ ടൂൾ ഉപയോഗിച്ച് പിന്തുണയ്ക്കുന്ന ഓഡിയോ ഫയലുകളിലെ OpenAI ഉറവിട സിഗ്നലുകൾ ഇപ്പോൾ കണ്ടെത്താൻ കഴിയും. കൂടാതെ, ഡെവലപ്പർമാർക്കും സ്ഥാപനങ്ങൾക്കും അവരുടെ സ്വന്തം പ്രവർത്തന രീതികളിൽ ഉറവിട പരിശോധന ഉൾപ്പെടുത്താനായി വെരിഫിക്കേഷനുള്ള API ആക്സസും ഞങ്ങൾ അവതരിപ്പിച്ചിട്ടുണ്ട്. ഈ അപ്ഡേറ്റുകൾ താഴെ വിശദീകരിച്ചിരിക്കുന്ന സുരക്ഷാ സമീപനത്തെയും OpenAI സൃഷ്ടിക്കുന്ന ഉള്ളടക്കം എളുപ്പത്തിൽ തിരിച്ചറിയാൻ സഹായിക്കുന്നതിനായുള്ള ഞങ്ങളുടെ വിപുലമായ ശ്രമങ്ങളെയും കൂടുതൽ ശക്തിപ്പെടുത്തുന്നതാണ്.

AI-യുമായി സംസാരിക്കുന്നത് ഒരു യഥാർഥ വ്യക്തിയോട് സംസാരിക്കുന്നത് പോലെ തോന്നിപ്പിക്കുന്ന വോയ്സ് മോഡലുകളുടെ പുതിയ തലമുറയായ GPT‑Live ഞങ്ങൾ അവതരിപ്പിക്കുന്നു.

GPT‑Live ഒരു ഫുൾ-ഡ്യൂപ്ലെക്സ് ആർക്കിടെക്ചറിലാണ് നിർമ്മിച്ചിരിക്കുന്നത്; അതായത്, ഇതിന് ഒരേ സമയം കേൾക്കാനും സംസാരിക്കാനും സാധിക്കും. സംഭാഷണങ്ങൾക്കിടയിൽ, “ഉം” അല്ലെങ്കിൽ “അതെ” പോലുള്ള വാക്കുകളിലൂടെ ശ്രദ്ധിക്കുണ്ടെന്ന് കാണിക്കാനും പെട്ടെന്ന് മറുപടികൾ നൽകാനും ഇനി നിങ്ങൾക്ക് ചിന്തിക്കാൻ അൽപ്പം സമയം വേണമെങ്കിൽ ശാന്തമായിരിക്കാനും GPT‑Live‑ന് കഴിയും. ഇതിൻ്റെ ഫലമായി വളരെ എളുപ്പത്തിലും സുഗമമായും സംസാരിക്കാൻ സാധിക്കുന്ന ഒരു വോയ്സ് അനുഭവം നിങ്ങൾക്ക് ലഭിക്കുന്നു.

ഇതുവരെ ഞങ്ങൾ അവതരിപ്പിച്ച ഏറ്റവും സമർത്ഥമായ വോയ്സ് മോഡലും GPT‑Live ആണ്. വെബ് സെർച്ച്, ആഴത്തിലുള്ള റീസണിംഗ് അല്ലെങ്കിൽ കൂടുതൽ സങ്കീർണ്ണമായ ജോലി ആവശ്യമായ ചോദ്യങ്ങൾക്കായി ഇത് തിരശ്ശീലയ്ക്ക് പിന്നിൽ ഞങ്ങളുടെ ഏറ്റവും പുതിയ അത്യാധുനിക മോഡലിനെ ചുമതലപ്പെടുത്തുകയും വിവരങ്ങൾ തയ്യാറാകുമ്പോൾ അത് സംഭാഷണത്തിലേക്ക് കൊണ്ടുവരികയും ചെയ്യുന്നു. ഈ പ്രക്രിയ നടക്കുമ്പോൾ തന്നെ, GPT‑Live‑ന് നിങ്ങളോട് സംസാരിക്കാനും സംഭാഷണത്തിൻ്റെ ഒഴുക്ക് നിലനിർത്താനും സാധിക്കും. തുടക്കത്തിൽ, GPT‑Live പശ്ചാത്തലത്തിൽ GPT‑5.5 മോഡലായിരിക്കും ഉപയോഗിക്കുക. ഞങ്ങൾ പുതിയ അത്യാധുനിക മോഡലുകൾ പുരത്തിറക്കുന്നതനുസരിച്ച് GPT‑Live ഉപയോഗിക്കുന്ന മോഡലും നിരന്തരം അപ്ഡേറ്റ് ചെയ്യുന്നതായിരിക്കും.

ഈ പുരോഗതികൾ കൂടുതൽ സമർത്ഥവും സ്വാഭാവികവുമായ ഒരു പുതിയ ChatGPT വോയ്സ് അനുഭവം നിങ്ങൾക്ക് സമ്മാനിക്കുന്നു. കാലക്രമേണ, കൂടുതൽ സങ്കീർണ്ണവും ദീർഘനേരം നീണ്ടുനിൽക്കുന്നതുമായ ജോലികൾക്കായി വോയ്സ് ഉപയോഗിക്കാനുള്ള ശേഷി കൈവരിക്കാൻ ഈ ഗവേഷണം സഹായിക്കുമെന്ന് ഞങ്ങൾ വിശ്വസിക്കുന്നു.

GPT‑Live‑ന്റെ രണ്ട് പതിപ്പുകൾ — GPT‑Live‑1, GPT‑Live‑1 mini — ഇന്ന് ആഗോളതലത്തിൽ ChatGPT ഉപയോക്താക്കൾക്ക് ഞങ്ങൾ ഘട്ടംഘട്ടമായി ലഭ്യമാക്കിത്തുടങ്ങുന്നു. അവ ഉടൻ API-യിലേക്കും കൊണ്ടുവരാൻ ഞങ്ങൾ പദ്ധതിയിടുന്നു; ഡെവലപ്പർമാർക്കും എൻ്റർപ്രൈസുകൾക്കും ഈ ഫോം⁠ ഉപയോഗിച്ച് അറിയിപ്പുകൾക്കായി സൈൻ അപ്പ് ചെയ്യാം.

യഥാർഥത്തിൽ സ്വാഭാവികമായ മനുഷ്യ–AI ഇടപെടൽ സാധ്യമാക്കുക എന്നതാണ് ഞങ്ങളുടെ കാഴ്ചപ്പാട്: പശ്ചാത്തലത്തിൽ വലിയ തോതിലുള്ള റീസണിംഗും സങ്കീർണ്ണമായ ജോലികളും തടസ്സമില്ലാതെ നടക്കുമ്പോൾ തന്നെ, മറ്റൊരു വ്യക്തിയോടൊപ്പം ജോലി ചെയ്യുന്നതുപോലെ തികച്ചും ലളിതവും ആയാസരഹിതവുമായി AI-യുമായി സഹകരിച്ച് പ്രവർത്തിക്കാൻ കഴിയുന്ന ഒരു ലോകമാണ് ഞങ്ങൾ വിഭാവനം ചെയ്യുന്നത്.

പഴയ തലമുറയിലെ വോയ്സ് AI സംവിധാനങ്ങൾ ആ ലക്ഷ്യത്തിലേക്ക് നമ്മളെ കൂടുതൽ അടുപ്പിച്ചെങ്കിലും, അവയ്ക്ക് ചില പ്രധാന പരിമിതികൾ ഉണ്ടായിരുന്നു.

ഓരോ സംഭാഷണവും പ്രോസസ് ചെയ്യുന്നതിനായി ഒന്നിലധികം മോഡലുകൾ ഒന്നിനു പുറകെ ഒന്നായി പ്രവർത്തിക്കുന്ന രീതിയെയാണ് കാസ്കേഡഡ് വോയ്സ് സംവിധാനങ്ങൾ ആശ്രയിക്കുന്നത്. ആദ്യത്തെ ChatGPT വോയ്സ് മൂന്ന് മോഡലുകളെ പരസ്പരം കോർത്തിണക്കിയാണ് പ്രവർത്തിച്ചിരുന്നത്: നിങ്ങളുടെ സംസാരത്തെ ലിപ്യന്തരണം ചെയ്യുന്ന സ്പീച്ച്-ടു-ടെക്സ്റ്റ് മോഡൽ, മറുപടി തയ്യാറാക്കാൻ ഒരു വലിയ ഭാഷാ മോഡൽ, ആ മറുപടിയെ വീണ്ടും ശബ്ദമാക്കി മാറ്റാൻ ഒരു ടെക്സ്റ്റ്-ടു-സ്പീച്ച് മോഡൽ. അത്യാധുനിക AI മോഡലുകളോട് ആദ്യമായി സംസാരിക്കാൻ ഈ രീതി നമ്മെ സഹായിച്ചുവെങ്കിലും ഇതിൻ്റെ സങ്കീർണ്ണത ചില ദോഷങ്ങൾ വരുത്തിവെച്ചു: പല മോഡലുകളിലൂടെ വിവരങ്ങൾ കടന്നുപോകുമ്പോൾ അതിൻ്റെ ചില ഭാഗങ്ങൾ നഷ്ടപ്പെടാൻ സാധ്യതയുണ്ടായിരുന്നു, കൂടാതെ മറുപടികൾ ലഭിക്കാൻ സമയമെടുക്കുകയും അവ അത്ര സ്വാഭാവികമല്ലാതിരിക്കുകയും ചെയ്തിരുന്നു.

ChatGPT അഡ്വാൻസ്ഡ് വോയ്സ് മോഡ് പോലുള്ള ടേൺ-അടിസ്ഥാനത്തിലുള്ള വോയ്സ് മോഡലുകൾ ഒരൊറ്റ മോഡലിനുള്ളിൽ തന്നെ ഓഡിയോ പ്രോസസ് ചെയ്യുകയും സൃഷ്ടിക്കുകയും ചെയ്തിരുന്നു. ഇത് മറുപടി ലഭിക്കാനുള്ള താമസം കുറയ്ക്കുകയും സംഭാഷണങ്ങൾ കൂടുതൽ സുഗമമാക്കുകയും ചെയ്തു — എങ്കിലും അവ അപ്പോഴും മാറി മാറിയുള്ള ഘട്ടങ്ങളായി മാത്രമാണ് പ്രവർത്തിച്ചിരുന്നത്. മറുപടികൾ നൽകുന്നതിന് മുമ്പ് ഉപയോക്താവ് സംസാരിച്ചു നിർത്തുന്നതുവരെ മോഡലിന് കാത്തിരിക്കേണ്ടി വന്നിരുന്നു, ഇത് സംഭാഷണങ്ങൾക്ക് ഒരുതരം കൃത്രിമത്വം വരുത്തിവെച്ചു. കൂടാതെ, സംഭാഷണം അവസാനിച്ചോ എന്ന് തിരിച്ചറിയുന്നത് നിശബ്ദതയെ അടിസ്ഥാനമാക്കിയായതിനാൽ, ചെറിയൊരു ഇടവേളയോ പശ്ചാത്തലത്തിലുള്ള ശബ്ദങ്ങളോ സംഭാഷണം അവസാനിച്ചതായി തെറ്റിദ്ധരിക്കപ്പെടാൻ കാരണമാവുകയും — ഇത് പലപ്പോഴും ആവശ്യമില്ലാത്ത സമയങ്ങളിൽ മോഡൽ കയറി സംസാരിക്കാൻ കാരണമാകുകയും ചെയ്തിരുന്നു.

രണ്ട് പ്രധാന ആർക്കിടെക്ചറൽ മാറ്റങ്ങളിലൂടെയാണ് GPT‑Live ഈ പരിമിതികളെ പരിഹരിക്കുന്നത്.

ആദ്യമായി, ഒരേസമയം തടസ്സമില്ലാത്ത ആശയവിനിമയം സാധ്യമാക്കുന്നതിനായി ഒരു ഫുൾ-ഡ്യൂപ്ലെക്സ് ആർക്കിടെക്ചർ ഉപയോഗിച്ചാണ് ഞങ്ങൾ GPT‑Live നിർമ്മിച്ചിരിക്കുന്നത്. പ്രത്യേക സന്ദേശങ്ങളുടെ ഒരു ശ്രേണിയായി വിവരങ്ങൾ പ്രോസസ്സ് ചെയ്യുന്നതിന് പകരം, GPT‑Live ഇൻപുട്ടുകൾ സ്വീകരിക്കുന്നതിനൊപ്പം തന്നെ ഔട്ട്പുട്ടുകളും നിർമ്മിച്ചുകൊണ്ടിരിക്കുന്നു. അതുകൊണ്ടുതന്നെ സംസാരിക്കണോ കേൾക്കുന്നത് തുടരണോ അൽപ്പം നിർത്തണോ സംഭാഷണം തടസ്സപ്പെടുത്തണോ അതോ ഒരു ടൂൾ ഉപയോഗിക്കണോ തുടങ്ങിയ തീരുമാനങ്ങൾ ഒരു സെക്കൻഡിൽ തന്നെ പല തവണ എടുക്കാൻ ഈ മോഡലിന് സാധിക്കുന്നു.

കൂടുതൽ സ്വാഭാവികമായി മറുപടികൾ നൽകാനും സമയബോധം നിലനിർത്താനും തത്സമയ പരിഭാഷ വരെ നിർവ്വഹിക്കാനും ഇത് മോഡലിനെ സഹായിക്കുന്നു.

രണ്ടാമതായി, തുടർച്ചയായ ഇടപെടൽ കൈകാര്യം ചെയ്യുന്ന GPT‑Live‑നെ ആഴത്തിലുള്ള ചിന്തകൾ ആവശ്യമുള്ള ജോലികളിൽ നിന്നും ഞങ്ങൾ വേർതിരിച്ചു. ഒരു ചോദ്യത്തിന് സെർച്ച്, റീസണിംഗ് അല്ലെങ്കിൽ കൂടുതൽ ഏജൻ്റിക് ശേഷികൾ ആവശ്യമായി വരുമ്പോൾ, GPT‑Live‑ന് ആ ടാസ്ക് GPT‑5.5 പോലുള്ള മറ്റൊരു മോഡലിനെ ഏൽപ്പിക്കാൻ സാധിക്കും. പശ്ചാത്തലത്തിൽ ഇത്തരം ഒന്നിലധികം ജോലികൾ നടക്കുമ്പോഴും ഉപയോക്താവുമായുള്ള സംഭാഷണം യാതൊരു തടസ്സവുമില്ലാതെ മുന്നോട്ട് കൊണ്ടുപോകാൻ ഇത് സഹായിക്കുന്നു.

ഈ ആർക്കിടെക്ചർ മാറ്റം ഏറ്റവും പുതിയ മോഡലുകളും ഏജൻ്റുകളും നിരന്തരമായി ഉപയോഗിക്കാൻ GPT‑Live‑നെ പ്രാപ്തമാക്കുന്നു; ഇത് അത്യാധുനിക ഇൻ്റലിജൻസിനെ തികച്ചും സ്വാഭാവികമായ ആശയവിനിമയവുമായി സമന്വയിപ്പിക്കാൻ സഹായിക്കുന്നു.

സംഭാഷണങ്ങളുടെ സുഗമമായ ഒഴുക്കും അവ ഉപയോക്താക്കൾക്ക് എത്രത്തോളം തൃപ്തികരമാണെന്നും അളക്കുന്നതിനായി ഞങ്ങൾ പുതിയ മാനുഷിക വിലയിരുത്തൽ രീതികൾ രൂപീകരിച്ചു. ഇവ നേരിട്ട് താരതമ്യം ചെയ്തപ്പോൾ 5–10 മിനിറ്റ് വരെ നീണ്ടുനിന്ന സംഭാഷണങ്ങളിൽ അഡ്വാൻസ്ഡ് വോയ്സ് മോഡിനേക്കാൾ ആളുകൾക്ക് കൂടുതൽ താൽപ്പര്യം GPT‑Live‑1, GPT‑Live‑1 mini എന്നിവയോടാണെന്ന് വ്യക്തമായി. പൊതുവായ താൽപ്പര്യം, മാറിമാറി സംസാരിക്കാനുള്ള കഴിവ്, സംഭാഷണങ്ങൾ തടസ്സപ്പെടുന്നത്, സംഭാഷണത്തിൻ്റെ ഒഴുക്ക്, ഓരോ ആശയവിനിമയവും എത്രത്തോളം സ്വാഭാവികമായി തോന്നി എന്നിവ കൃത്യമായി പരിശോധിച്ച ശേഷമാണ് ഈ വിലയിരുത്തലിൽ എത്തിയത്.

• GPQA: ജീവശാസ്ത്രം, രസതന്ത്രം, ഭൗതികശാസ്ത്രം എന്നീ ശാസ്ത്രശാഖകളിലെ വിദഗ്ധതല റീസണിംഗ് പരിശോധിക്കുന്ന GPQA പരീക്ഷയിൽ, അഡ്വാൻസ്ഡ് വോയ്സ് മോഡിനേക്കാൾ വളരെ മികച്ച പ്രകടനമാണ് GPT‑Live‑1 കാഴ്ചവെക്കുന്നത്.
• BrowseComp: ഏജൻ്റിക് വെബ് സെർച്ചും കണ്ടെത്താൻ ബുദ്ധിമുട്ടുള്ള വിവരങ്ങൾ തിരഞ്ഞുപിടിക്കാനുള്ള ശേഷിയും പരിശോധിക്കുന്ന BrowseComp പരീക്ഷണത്തിൽ, അഡ്വാൻസ്ഡ് വോയ്സ് മോഡിനേക്കാൾ വലിയ മുന്നേറ്റമാണ് GPT‑Live‑1 കാഴ്ചവെക്കുന്നത്.
• τ³-വോയ്സ് ടെലികോം (ആന്തരിക വകഭേദം)**: ജീവസുറ്റതും ഒന്നിലധികം ഘട്ടങ്ങളുള്ളതുമായ ടെലികോം പിന്തുണാ ടാസ്കുകളിൽ വോയ്സ് ഏജൻ്റുകളെ പരിശോധിക്കുന്ന τ³-വോയ്സ് ടെലികോം പരീക്ഷണങ്ങളിൽ, അഡ്വാൻസ്ഡ് വോയ്സ് മോഡിനേക്കാൾ മികച്ച പ്രകടനമാണ് GPT‑Live‑1 കാഴ്ചവെക്കുന്നത്.

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.

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.

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.

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.

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.

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.

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.

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.

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.

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.