GPT‑Live متعارف کرایا جا رہا ہے

اپ ڈیٹ 31 جولائی، 2026: ChatGPT Voice اور OpenAI API کے ذریعے GPT‑Live سے تیار کردہ سپورٹ شدہ آڈیو میں اب SynthID واٹر مارکنگ شامل ہے. ہمارا عوامی تصدیقی ٹول اب سپورٹ شدہ آڈیو فائلز میں OpenAI کے ماخذ کے سگنلز کا پتہ لگا سکتا ہے، اور ہم نے تصدیق کے لیے API رسائی متعارف کرائی ہے تاکہ ڈیولپرز اور تنظیمیں ماخذ کی جانچ کو اپنے ورک فلوز میں شامل کر سکیں. یہ اپ ڈیٹس نیچے بیان کردہ حفاظتی طریقۂ کار اور OpenAI سے تیار کردہ مواد کی شناخت کو آسان بنانے کے ہمارے وسیع تر کام کو مزید آگے بڑھاتے ہیں.

ہم GPT‑Live متعارف کرا رہے ہیں, جو نیکسٹ جنریشن وائس ماڈلز ہیں اور AI سے گفتگو کو حقیقی گفتگو جیسا کہیں زیادہ فطری تجربہ بناتے ہیں.

GPT‑Live فل ڈوپلیکس آرکیٹیکچر پر بنایا گیا ہے, یعنی یہ ایک ہی وقت میں سن بھی سکتا ہے اور بول بھی سکتا ہے. گفتگو کے دوران GPT‑Live ”ہمم“ یا ”ہاں“ جیسے الفاظ کے ذریعے یہ ظاہر کر سکتا ہے کہ وہ توجہ دے رہا ہے, تیزی سے سوال و جواب کر سکتا ہے, یا جب آپ کو سوچنے کے لیے کچھ لمحے درکار ہوں تو خاموش بھی رہ سکتا ہے. نتیجتاً, یہ ایسا وائس تجربہ فراہم کرتا ہے جس سے بات کرنا نہایت آسان اور فطری محسوس ہوتا ہے.

GPT‑Live اب تک ہمارا سب سے ذہین وائس ماڈل بھی ہے. ایسے سوالات کے لیے جن میں ویب سرچ، گہری ریزننگ، یا زیادہ پیچیدہ کام درکار ہو، یہ پس منظر میں ہمارے جدید ترین ماڈل کو استعمال کرتا ہے اور نتیجہ تیار ہونے پر اسے دوبارہ گفتگو میں شامل کر دیتا ہے. اس دوران GPT‑Live آپ سے گفتگو جاری رکھ سکتا ہے اور بات چیت کا تسلسل برقرار رکھتا ہے. آغاز کے وقت GPT‑Live پس منظر میں GPT‑5.5 استعمال کرے گا. جیسے جیسے ہم نئے جدید ترین ماڈلز متعارف کرائیں گے, ہم GPT‑Live کے ذریعے استعمال ہونے والے ماڈل کو مسلسل اپ ڈیٹ کرتے رہیں گے.

یہ پیش رفت ChatGPT Voice کے ایک نئے تجربے کو ممکن بناتی ہے, جو پہلے سے زیادہ ذہین اور استعمال میں زیادہ فطری ہے. وقت کے ساتھ, ہمیں یقین ہے کہ یہ تحقیق وائس کو بتدریج زیادہ پیچیدہ, طویل دورانیے والے, اور زیادہ خودمختار نوعیت کے کاموں کے لیے استعمال کرنے کی صلاحیت بھی فراہم کرے گی.

آج سے ہم دنیا بھر کے ChatGPT صارفین کے لیے GPT‑Live کے دو ورژنز, GPT‑Live‑1 اور GPT‑Live‑1 mini مرحلہ وار متعارف کرا رہے ہیں. ہم جلد ہی انہیں API میں بھی دستیاب کرنے کا ارادہ رکھتے ہیں, اور ڈیولپرز اور انٹرپرائزز اس فارم⁠ کے ذریعے اطلاع پانے کے لیے سائن اپ کر سکتے ہیں.

ہمارا وژن یہ ہے کہ انسان اور AI کے درمیان واقعی قدرتی انٹریکشن کو ممکن بنایا جائے: ایک ایسی دنیا جہاں AI کے ساتھ اشتراک اتنا ہی روان اور فوری ردعمل والا محسوس ہو جتنا کسی دوسرے شخص کے ساتھ کام کرنا, جبکہ ریزننگ اور پیچیدہ کاموں کی انجام دہی پس منظر میں بے کسی رکاوٹ کے جاری رہے.

وائس AI سسٹمز کی پرانی جنریشنز نے ہمیں اس وژن کے مزید قریب تو کیا، لیکن اس کے ساتھ کچھ اہم سمجھوتے بھی تھے.

کاسکیڈڈ وائس سسٹمز ہر باری کو پروسس کرنے کے لیے ایک کے بعد ایک کام کرنے والے متعدد ماڈلز پر انحصار کرتے ہیں. اصل ChatGPT Voice میں تین ماڈلز کو آپس میں جوڑا گیا تھا: آپ کی آواز کو تحریر میں تبدیل کرنے کے لیے ایک اسپیچ-ٹو-ٹیکسٹ ماڈل, جواب تیار کرنے کے لیے ایک لارج لینگویج ماڈل, اور جواب کو دوبارہ آواز میں تبدیل کرنے کے لیے ایک ٹیکسٹ-ٹو-اسپیچ ماڈل. اس طریقۂ کار نے ہمیں پہلی بار جدید ترین AI ماڈلز کے ساتھ گفتگو ممکن بنانے میں مدد دی, لیکن اس پیچیدگی کی ایک قیمت بھی تھی: ماڈلز کے درمیان معلومات ضائع ہو سکتی تھیں, اور جوابات سست اور غیر فطری محسوس ہوتے تھے.

ChatGPT ایڈوانسڈ وائس موڈ جیسے باری پر مبنی وائس ماڈلز ایک ہی ماڈل کے اندر آڈیو کو پروسس اور جنریٹ کرتے تھے, جس سے تاخیر کم ہوئی اور گفتگو ہموار بنی — مگر وہ پھر بھی الگ الگ باریوں کے ذریعے کام کرتے تھے. ماڈل کو جواب دینے سے پہلے صارف کے بولنا بند کرنے کا انتظار کرنا پڑتا تھا, جس سے سوال جواب کا انداز سخت ہو جاتا تھا. اس کے علاوہ, چونکہ باری کی شناخت خاموشی کی بنیاد پر ہوتی ہے, اس لیے مختصر وقفہ یا پس منظر کا شور بھی باری کے اختتام کے طور پر سمجھا جا سکتا تھا — جس کی وجہ سے ماڈل غیر فطری مواقع پر گفتگو میں مداخلت کر دیتا تھا.

GPT‑Live ان حدود کو دو آرکیٹیکچرل تبدیلیوں کے ذریعے حل کرتا ہے.

سب سے پہلے, ہم نے GPT‑Live کو فل ڈوپلیکس آرکیٹیکچر استعمال کرتے ہوئے مسلسل انٹریکشن کے لیے بنایا ہے. الگ الگ میسجز کی ایک ترتیب کو پروسس کرنے کے بجائے, GPT‑Live آؤٹ پٹ جنریٹ کرتے ہوئے ان پٹ کو مسلسل پروسیس کرتا ہے. اس لیے ماڈل ہر سیکنڈ میں کئی بار انٹریکشن کے فیصلے کر سکتا ہے: بولنا ہے, سنتے رہنا ہے, ٹھہرنا ہے, دخل دینا ہے, یا کوئی ٹول چلانا ہے.

اس سے ماڈل زیادہ قدرتی سوال جواب میں شامل ہو سکتا ہے, وقت کا بہتر احساس برقرار رکھ سکتا ہے, اور لائیو ترجمہ بھی کر سکتا ہے.

دوسرا, ہم نے GPT‑Live, جو مسلسل انٹریکشن سنبھالتا ہے, کو زیادہ گہرے کام سے الگ کر دیا. جب کسی سوال کے لیے تلاش, ریزننگ, یا زیادہ ایجنٹ جیسی صلاحیتیں درکار ہوں, تو GPT‑Live کام کو GPT‑5.5 جیسے کسی دوسرے ماڈل کے سپرد کر سکتا ہے. اس سے یہ پس منظر میں متعدد کام سنبھالتے ہوئے بھی گفتگو جاری رکھ سکتا ہے.

یہ آرکیٹیکچرل تبدیلی GPT‑Live کو تازہ ترین ماڈلز اور ایجنٹس مسلسل استعمال کرنے دیتی ہے, جس سے جدید ترین انٹیلیجنس کو قدرتی انٹریکشن کے ساتھ ملایا جاتا ہے.

ہم نے خوشگوار تجربے اور گفتگو کے فلو کی پیمائش کرنے کے لیے نئی انسانی ایویلیویشنز بنائیں. ان روبرو موازنوں میں, مجموعی ترجیح, باری لینے دینے, دخل اندازی, گفتگو کے فلو, اور ہر انٹریکشن کے قدرتی محسوس ہونے کی پیمائش کرنے والی مماثل 5 تا 10 منٹ کی گفتگوؤں میں GPT‑Live‑1 اور GPT‑Live‑1 mini کو ایڈوانسڈ وائس موڈ پر واضح طور پر ترجیح دی گئی.

• GPQA: GPT‑Live‑1, GPQA پر ایڈوانسڈ وائس موڈ سے کافی بہتر کارکردگی دکھاتا ہے, جو بایولوجی, کیمسٹری, اور فزکس میں ماہر سطح کی سائنسی ریزننگ کو جانچتا ہے.
• BrowseComp: GPT‑Live‑1, BrowseComp پر ایڈوانسڈ وائس موڈ کے مقابلے میں مضبوط بہتری دکھاتا ہے, جو ایجنٹ جیسی ویب تلاش اور مشکل سے ملنے والی معلومات ڈھونڈنے کی صلاحیت کو جانچتا ہے.
• τ³-Voice Telecom (اندرونی ویریئنٹ)**: GPT‑Live‑1، τ³-Voice Telecom پر ایڈوانسڈ وائس موڈ سے بہتر کارکردگی دکھاتا ہے، جو حقیقت پسندانہ، ملٹی ٹرن ٹیلی کام سپورٹ ٹاسکس پر وائس ایجنٹس کو ٹیسٹ کرتا ہے.

ہر ہفتے 150 ملین سے زیادہ لوگ وائس اور ڈکٹیشن جیسی فیچرز کے ذریعے ChatGPT سے بات کرتے ہیں. وہ اسے روزمرہ کی ہینڈز فری مدد پانے, زبانوں کی مشق کرنے, سونے سے پہلے کہانیاں سنانے, یا سفر کے دوران بس گفتگو کرنے کے لیے استعمال کرتے ہیں.

آج سے, جب آپ ChatGPT سے بات کرنے کے لیے وائس بٹن پر ٹیپ کریں گے, تو آپ کو GPT‑Live سے تقویت یافتہ ایک بہتر تجربہ ملے گا, جس میں زیادہ فطری گفتگو, زیادہ ذہین جوابات, بہتر سننے کی صلاحیت, اور بصری جوابات شامل ہیں.

ChatGPT سے بات کرنا اب بہت زیادہ حقیقی گفتگو جیسا محسوس ہونا چاہیے. آپ سوال کے ساتھ درمیان میں بول سکتے ہیں, اپنے خیالات جمع کرنے کے لیے رک سکتے ہیں, یا ChatGPT سے آہستہ بولنے کو کہہ سکتے ہیں. یہ آپ کی بات کو فطری طور پر ”ہممم“ یا ”سمجھ گیا“ جیسے جملوں سے تسلیم کرتا ہے, تاکہ آپ کو معلوم ہو کہ یہ آپ کے ساتھ ساتھ چل رہا ہے. ہم نے GPT‑Live کے لیے ChatGPT میں موجود نو الگ الگ آوازوں کو بھی ری ماسٹر کیا ہے.

ChatGPT Voice اب ہمارے تازہ ترین جدید ترین ماڈلز سے فائدہ اٹھا سکتا ہے, تاکہ ضرورت پڑنے پر آپ کو زیادہ ذہین جوابات ملیں. آپ اپنی ضرورت کے مطابق ریزننگ کی سطح بھی چن سکتے ہیں: تیز جوابات کے لیے Instant, یا جب آپ چاہتے ہیں کہ ChatGPT سوچنے میں زیادہ وقت لگائے تو Medium اور High.

اگر آپ سوچنے کے لیے ذرا وقت لیتے ہیں, تو ChatGPT وائس اب بیچ میں کود کر مداخلت کرنے کے بجائے انتظار کرتا ہے. اگر آپ اسے خاموش رہ کر سننے کو کہیں گے, تو یہ ایسا ہی کرے گا. اور جب پس منظر میں شور ہو, جیسے گزرتی ٹریفک یا قریب کی گفتگو, تو ChatGPT بھٹکنے کے بجائے آپ کی آواز پر توجہ دینے میں بہتر ہے.

کچھ جوابات اس وقت زیادہ مفید ہوتے ہیں جب آپ انہیں دیکھ سکیں. بات کرتے ہوئے, ChatGPT اب موسم, اسٹاکس, کھیل اور مزید موضوعات کے لیے بھرپور بصری کارڈز دکھا سکتا ہے. وائس سرچ, میموری, تصاویر, اور فائل اپ لوڈز کو بھی سپورٹ کرتا رہتا ہے.

نتیجہ ChatGPT وائس کا ایسا تجربہ ہے جو روزمرہ زندگی میں زیادہ فطری, زیادہ قابل, اور زیادہ مفید محسوس ہوتا ہے.

GPT‑Live کو بطور ڈیفالٹ محفوظ رہنے کے لیے ڈیزائن کیا گیا تھا. یہ ہمارے تازہ ترین ماڈلز کی سیفٹی پیش رفتوں پر مبنی ہے, ساتھ ہی اہم خطرے والے شعبوں میں مخصوص سیفٹی ٹریننگ اور خاص طور پر وائس کے لیے بنائے گئے نئے حفاظتی اقدامات شامل کرتا ہے.

یہ بہتر سمجھنے کے لیے کہ لوگ حقیقی زندگی کے ماحول میں وائس کو کیسے استعمال کرتے ہیں, ہم نے اپنی سیفٹی ٹیسٹنگ کو نئے آڈیو-نیٹو ایویلیوایشنز شامل کرکے وسیع کرنا شروع کیا. ہم نے ایڈوانسڈ وائس موڈ سے حاصل سیکھ کی بنیاد پر جنریٹڈ آڈیو استعمال کرنے والے سنتھیٹک ایویلیوایشنز بھی بنائے, تاکہ اہم سیفٹی شعبوں پر زیادہ گہرائی سے توجہ دی جا سکے. ان شعبوں میں خود کو نقصان پہنچانا, سائیکوسس اور مینیا, AI پر جذباتی انحصار, تشدد, اور جنسی مواد شامل ہیں. داخلی ماہرین نے وائس کے لیے منفرد خطرات کے سلسلے میں ماڈل کی ریڈ ٹیم ٹیسٹنگ بھی کی.

ہماری ٹیسٹنگ میں, GPT‑Live نے ہمارے جانچے گئے تقریباً تمام شعبوں میں ایڈوانسڈ وائس موڈ کے برابر یا اس سے بہتر کارکردگی دکھائی. آپ ہماری ٹیسٹنگ اور حفاظتی اقدامات کے بارے میں مزید GPT‑Live کے سسٹم کارڈ⁠(نئی ونڈو میں کھلتا ہے) میں پڑھ سکتے ہیں.

چونکہ وائس کنورسیشنز حقیقی وقت میں آگے بڑھتی ہیں, اس لیے ہم نے ایسے حفاظتی اقدامات بھی بنائے ہیں جو ماڈل کے بولتے وقت عمل کر سکتے ہیں. جب سسٹم ممکنہ طور پر غیر محفوظ آؤٹ پٹ کا پتہ لگاتا ہے, تو یہ ماڈل کو زیادہ محفوظ جواب کی طرف موڑ سکتا ہے, اضافی سیفٹی میسجنگ یا ریسورسز دکھا سکتا ہے, یا زیادہ خطرے والے معاملات میں وائس کنورسیشن ختم کر سکتا ہے. خود کو نقصان پہنچانے سے متعلق گفتگو کے لیے, ہم نے ChatGPT کے سپورٹ فلوز کو وائس کے لیے ڈھالا, جس میں ماہرین سے جانچی گئی کرائسس ہیلپ لائن سپورٹ کی پیشکش بھی شامل ہے.

ہم نے ٹین یوزرس کی مدد کے لیے اضافی تحفظات ڈیزائن کیے ہیں, اور نامناسب جوابات کے خطرے کو کم کرنے کے لیے عمر کے لحاظ سے براہ راست ماڈل میں مناسب رویے کی ٹریننگ دی. والدین پیرنٹل کنٹرولز کے ذریعے یہ انتخاب کر سکتے ہیں کہ ان کا ٹین ChatGPT Voice استعمال کر سکتا ہے یا نہیں, اور ممکنہ خود کو نقصان پہنچانے یا خودکشی کے ارادے کی علامات والی زیادہ خطرے کی صورتوں میں لنک شدہ والدین کو مطلع کیا جا سکتا ہے.

ہم جذباتی انحصار پر مرکوز طویل مدتی پیمائش اور لانچ کے بعد مانیٹرنگ بھی شروع کر رہے ہیں, تاکہ اپنی سمجھ کو مسلسل بہتر بنا سکیں اور حفاظتی اقدامات کو نکھار سکیں. جذباتی استعمال اور جذباتی فلاح و بہبود پر ہماری پچھلی تحقیق کی بنیاد پر, یہ ہمیں ابھرتے ہوئے پیٹرنز کی شناخت کرنے اور جذباتی طور پر حساس تعاملات میں سسٹم کے جواب کو بہتر بنانے میں مدد دے گا.

آخر میں, GPT‑Live کو گفتگو کے لیے ڈیزائن کیا گیا ہے, آواز کی نقالی کے لیے نہیں. یہ ChatGPT میں پہلے سے طے شدہ آوازوں کا ایک سیٹ استعمال کرتا ہے, اور اس میں ایسے حفاظتی اقدامات ہیں جو اسے کسی حقیقی شخص کی آواز کی نقالی کرنے سے روکتے ہیں.

ہم سیفٹی اور فلاح و بہبود کی حمایت کے لیے پرعزم ہیں اور حقیقی دنیا کے استعمال سے سیکھتے ہوئے ان تحفظات کو مزید مضبوط کرتے رہیں گے.

GPT‑Live اب iOS, Android اور ChatGPT.com⁠(نئی ونڈو میں کھلتا ہے) پر عالمی سطح پر ChatGPT صارفین کے لیے رول آؤٹ ہو رہا ہے. GPT‑Live‑1, Go, Plus اور Pro صارفین کے لیے ChatGPT Voice کو تقویت دینے والا ڈیفالٹ ماڈل بن جائے گا, اور GPT‑Live‑1 mini فری صارفین کے لیے ڈیفالٹ بن جائے گا. دستیابی کی مزید تفصیلات ہمارے ہیلپ سینٹر⁠(نئی ونڈو میں کھلتا ہے) میں مل سکتی ہیں.

ہم نے GPT‑Live کو ChatGPT کی کچھ مقبول ترین زبانوں کے لیے بہتر بنایا ہے. کچھ زبانوں کے لیے, ماڈل کا لہجہ غیر مقامی ہو سکتا ہے یا روانی میں کمی ہو سکتی ہے. ہم زبانوں میں تجربے کو بہتر بنانے کے لیے سرگرمی سے کام کر رہے ہیں.

لانچ کے وقت, ChatGPT میں ویڈیو یا اسکرین شیئرنگ کے ساتھ GPT‑Live وائس کو سپورٹ نہیں کرے گا, لیکن ہم جلد ہی یہ صلاحیتیں متعارف کرانے پر کام کر رہے ہیں. آپ اب بھی ChatGPT Voice کے پرانے ورژنز, بشمول Standard اور ایڈوانسڈ وائس موڈ تک رسائی حاصل کر سکتے ہیں جہاں یہ فیچرز دستیاب ہیں.