ہم GPT‑Live‑1 کو API میں لانچ کر رہے ہیں، جس سے ڈیولپرز کو وائس سے چلنے والی ایپس اور کاروباری ورک فلوز بنانے کے لیے ایک طاقتور، فطری وائس ماڈل ملتا ہے. پہلی بار ChatGPT میں متعارف کرایا گیا، GPT‑Live‑1 بیک وقت سن اور بول سکتا ہے اور، جیسا کہ Codex اور ChatGPT کام میں دیکھا گیا(نئی ونڈو میں کھلتا ہے)، عمیق ریزننگ اور کارروائیاں ان ماڈلز اور ٹولز کو سونپ سکتا ہے جن کے ساتھ اسے جوڑا گیا ہو.
API میں GPT‑Live‑1 کی ریلیز کے لیے ہم نے ایسی نئی صلاحیتوں پر توجہ دی ہے جو ڈیولپرز کو اپنے صارفین، کام کے سلسلوں اور اہداف کے مطابق صوتی تجربات کو رہنمائی دینے اور حسبِ ضرورت بنانے دیتی ہیں. GPT‑Live‑1 کی ایک بنیادی خوبی، مداخلتوں کو ہمواری سے سنبھالنا، پہلے ہی کاروباری اثر ڈال رہی ہے: ابتدائی جائزوں میں Speak نے پایا کہ GPT‑Live‑1 نے زبان کے استاد کے جواب دینے سے پہلے سیکھنے والوں کو سوچنے کے لیے زیادہ وقت دیا اور پچھلے باری پر مبنی نظاموں کے مقابلے میں مداخلتیں تقریباً 80% کم کر دیں.
API میں GPT‑Live‑1 کی اہم خوبیاں:
مداخلت کو سنبھالنا: ایک ہی ماڈل کے ذریعے آنے اور جانے والی آواز پر یکجا ریزننگ کر کے مداخلت سنبھالنے کو بہتر بناتا ہے، جس سے زنجیری STT–LLM–TTS ڈھانچوں کی تاخیر اور غیر مستحکم منتقلی سے بچا جا سکتا ہے.
ریزننگ اور ٹول کالنگ کی تفویض کاری: GPT‑Live‑1 ریزننگ اور ٹول کالز کو GPT‑6 Astra جیسے پسِ منظر کے ٹیکسٹ ماڈل یا فریقِ ثالث کے ماڈل کو سونپ سکتا ہے.
لہجہ، رفتار اور انداز: ڈیولپرز کو سسٹم پرومپٹ کے ذریعے ایجنٹ کے لہجے، رفتار اور گفتگو کے انداز کو ڈھالنے دیتا ہے.
خاموش سیاق کا نظم اور پس منظر کا شور: گفتگو میں مداخلت کیے یا ہر مرحلہ بلند آواز میں بیان کیے بغیر پس منظر کے شور اور خاموشی کو بہتر طور پر سنبھالتا ہے.
طویل نشستوں میں قابلِ اعتماد کارکردگی: طویل تعاملات کے دوران سیاق برقرار رکھنے اور گفتگو کے معیار کو بہتر بناتا ہے.
ٹیلی فونی کی معاونت: ریستوراں کی بکنگ سے صارف معاونت تک، فون کالز کے لیے مکمل دو طرفہ صوتی ایجنٹس کی تنصیب ممکن بناتا ہے.
Try GPT-Live-1
See what it can do
- Talk over it—naturally. Ask for help, then interrupt mid-response to change the question or add detail.
- Take it with you. Try a conversation while walking outside or with everyday background noise, and see how it stays with you.
- Make it playful. Laugh, hesitate, use short acknowledgments, or briefly talk to someone nearby—then continue the conversation.
اس ڈیمو کے لیے وقت کی حد مقرر ہے. اسے استعمال کر کے، آپ OpenAI کی شرائط سے اتفاق کرتے ہیں اور ہماری پرائیویسی پالیسی کو تسلیم کرتے ہیں.
روایتی صوتی ایجنٹس، آواز سے متن، ریزننگ ماڈل اور متن سے آواز کے نظام کو آپس میں جوڑتے ہیں. ہر منتقلی تاخیر بڑھاتی ہے اور وقت، سیاق یا گفتگو کی فطری روانی ضائع ہونے کے مزید امکانات پیدا کرتی ہے. اکثر ڈیولپرز ہی کو ان مراحل میں ہم آہنگی پیدا کرنی پڑتی ہے، بشمول یہ طے کرنا کہ کسی کے مداخلت کرنے، رکنے یا رخ بدلنے پر کیا ہو.
GPT‑Live‑1 ایک ہی ماڈل میں سننے اور بولنے کا عمل سنبھالتا ہے، جس سے آواز کی تہہ آسان ہو جاتی ہے. یہ مداخلتوں اور تصدیقی ردِعمل کا اسی وقت جواب دے سکتا ہے، جبکہ گہری ریزننگ پسِ منظر کو سونپ دیتا ہے. اس طرح پس منظر میں کام جاری رہتے ہوئے گفتگو بھی چلتی رہتی ہے.
ڈیولپرز گفتگو کے پسِ پشت ماڈلز، ٹولز اور ایجنٹ ہارنیس منتخب کرتے ہیں. مثلاً وہ نظام الاوقات یا آرڈر کی تازہ کاری جیسے زیادہ حجم والے کاموں کے لیے GPT‑Live‑1 کو Luna جیسے ماڈل سے جوڑ سکتے ہیں، اور ریزننگ طلب پیچیدہ صارف مسائل کے لیے Astra جیسا ماڈل استعمال کر سکتے ہیں. یہ لچک ڈیولپرز کو ہر کام کے مطابق ریزننگ کی گہرائی، رفتار اور لاگت طے کرنے دیتی ہے.
GPT‑Live‑1 مقامی طور پر ASR ٹرانسکرپٹس اور جوابی متن فراہم کرتا ہے. یہ حروف اور اعداد کو سمجھنے کی مضبوط صلاحیت بھی فراہم کرتا ہے اور کلیدی الفاظ کو ترجیح دینے کی معاونت کرتا ہے. اگرچہ GPT‑Live‑1 باری پر مبنی ماڈل نہیں ہے، لیکن یہ مقامی طور پر باری کی شناخت کی معاونت کرتا ہے، اس لیے ڈیولپرز واضح باری کی حدود کے مطابق نظام بنانا جاری رکھ سکتے ہیں.
ہمارے جائزوں میں، GPT‑Live‑1، GPT‑Realtime‑2.1 کے مقابلے میں Full Duplex Bench کی کارکردگی کو 30 فیصدی پوائنٹس بہتر بناتا ہے، جس میں باری لینے کی تاخیر اور تعاملی رویے میں نمایاں بہتری شامل ہے. اوسط ریزننگ کوشش پر GPT‑6 Astra کے ساتھ، یہ Tau3 پر بھی پہلے نمبر پر ہے، جو ابتدا سے انتہا تک کے کاموں میں جدید ترین وائس-ایجنٹ انٹیلیجنس کو ناپتا ہے.
فضائی سفر، ریٹیل اور ٹیلی کام کے شعبوں میں بول کر انجام دیے جانے والے کسٹمر سروس ٹاسکس کا جائزہ لیتا ہے. Pass@1 ٹاسک کی کامیابی کی پیمائش کرتا ہے؛ سرخی ہر شعبے کو برابر اہمیت دیتی ہے۔
* GPT Live بیک اینڈ: Astra (اوسط).
نالج ریٹریول اور اکاؤنٹ ٹولز کے ذریعے بولی جانے والی زبان میں بینکنگ سپورٹ کا جائزہ لیتا ہے. Pass@1 ان 97 banking_knowledge کاموں کا تناسب ہے جو کامیابی سے مکمل ہوئے.
* GPT Live بیک اینڈ: Astra (اوسط).
وقفوں کو سنبھالنے، گفتگو میں باری لینے دینے، دخل اندازیوں اور بیک چینلز کا جائزہ لیتا ہے.
پس منظر کی گفتگو، کسی دوسرے شخص سے بات کرنے، سننے والے کے مختصر جوابات اور مداخلتوں پر ردعمل کو جانچتا ہے.
یہ اس بات کی پیمائش کرتا ہے کہ صارف کے ٹرن مکمل کرنے کے بعد ایجنٹ کتنی جلدی اپنا جواب شروع کرتا ہے.
قدرتی وقفوں، ہچکچاہٹوں اور خود اصلاحوں پر مشتمل بولی گئی درخواستوں سے ٹول کے استعمال کو جانچتا ہے. Pass@1 ٹول کال کے سلسلے کو اسکور کرتا ہے.
* GPT Live بیک اینڈ: Terra (کم).
وقفوں، ہچکچاہٹوں اور خود اصلاحات پر مشتمل ٹول استعمال کرنے کی درخواستوں کے زبانی جواب کا جائزہ لیتا ہے. یہ اس بات کو اسکور کرتا ہے کہ جواب حوالہ جاتی مقصد سے کتنی اچھی طرح مطابقت رکھتا ہے.
* GPT Live بیک اینڈ: Terra (کم).
ڈیولپرز کو ایسی آوازیں درکار ہیں جو ان کی مصنوعات سے مطابقت رکھیں اور صارفین کو فطری لگیں. GPT‑Live‑1 کے ساتھ ہم حقیقی وقت کی چند آوازوں سے آگے بڑھ کر مختلف لہجوں، بولیوں اور زبانوں میں مزید آوازیں پیش کر رہے ہیں، تاکہ ڈیولپرز کو اپنے معاونین کی آواز منتخب کرنے کے زیادہ اختیارات ملیں.
آنے والے مہینوں میں ہم آوازوں کے اختیارات اور دستیاب زبانوں میں مزید اضافہ کرتے رہیں گے.
GPT‑Live‑1 آج API میں دستیاب ہے(نئی ونڈو میں کھلتا ہے) ، سامنے کی آواز کی پرت کے لیے $0.05 فی منٹ کی قیمت پر. اسے اپنی پروڈکٹ کے مطابق پسِ منظر کے ماڈل اور ایجنٹ ہارنیس کے ساتھ جوڑیں، پھر ایسا صوتی تجربہ بنائیں جو کام کی ضرورت کے مطابق وسعت اختیار کر سکے.
حسبِ ضرورت آواز تک رسائی کے لیے، اہلیت اور درخواست کے طریقۂ کار کے بارے میں مزید جاننے کے لیے فروخت کی ٹیم سے رابطہ کریں.
GPT‑Live‑1 کے ساتھ صوتی ورک فلوز بنانے کا ایک اور طریقہ OpenAI Presence ہے، جو حقیقی وقت کے صوتی تعاملات کو تقویت دینے کے لیے ماڈل استعمال کرتا ہے. Presence اداروں کو قابل اعتماد AI ایجنٹس ڈپلائے کرنے میں مدد دیتا ہے، جو سوالات کے جواب دے سکتے ہیں، مسائل حل کر سکتے ہیں، کمپنی سسٹمز استعمال کر سکتے ہیں، منظور شدہ اقدامات کر سکتے ہیں اور ضرورت پڑنے پر معاملہ لوگوں تک پہنچا سکتے ہیں. مزید جاننے کے لیے اپنے OpenAI کے اکاؤنٹ ڈائریکٹر سے رابطہ کریں.
