മനുഷ്യരെപ്പോലെ സംസാരിക്കും; വിപ്ലവകരമായ മാറ്റവുമായി ChatGPT; പുതിയ വോയ്സ് മോഡൽ എത്തി

സാൻ ഫ്രാൻസിസ്കോ | ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് (Artificial Intelligence) സാങ്കേതികവിദ്യയിൽ വൻ മുന്നേറ്റവുമായി പ്രമുഖ എഐ കമ്പനിയായ ഓപ്പൺ എഐ. ചാറ്റ് ജിപിടി ഉപഭോക്താക്കൾക്കായി മനുഷ്യരുമായി സംസാരിക്കുന്നതിന് സമാനമായ അനുഭവം നൽകുന്ന ജിപിടി ലൈവ് (GPT Live) എന്ന പേരിലുള്ള പുതിയ വോയ്സ് മോഡലുകൾ കമ്പനി ഔദ്യോഗികമായി പുറത്തിറക്കി. ഒരേസമയം സംസാരിക്കാനും കേൾക്കാനും സാധിക്കുന്ന ഫുൾ ഡ്യൂപ്ലക്സ് ആർക്കിടെക്ചർ സാങ്കേതികവിദ്യയിലാണ് ഈ മോഡലുകൾ തയാറാക്കിയിരിക്കുന്നത്.

ജിപിടി ലൈവ് 1, ജിപിടി ലൈവ് 1 മിനി എന്നിങ്ങനെ രണ്ട് വോയ്സ് മോഡലുകളാണ് കമ്പനി അവതരിപ്പിച്ചിരിക്കുന്നത്. ഐഒഎസ്, ആൻഡ്രോയിഡ് ആപ്പുകളിലും ചാറ്റ് ജിപിടി വെബ്സൈറ്റിലും ഈ ഫീച്ചർ ആഗോളതലത്തിൽ ലഭ്യമായിത്തുടങ്ങി. പണം നൽകി ഉപയോഗിക്കുന്ന പെയ്ഡ് വരിക്കാർക്ക് ജിപിടി ലൈവ് 1 ഡിഫോൾട്ട് മോഡലായി ലഭിക്കുമ്പോൾ സൗജന്യ ഉപഭോക്താക്കൾക്ക് ജിപിടി ലൈവ് 1 mini ലഭ്യമാകും. ഡെവലപ്പർമാർക്കായി ഉടൻ തന്നെ ഇത് എപിഐ വഴിയും ലഭ്യമാക്കാൻ കമ്പനി പദ്ധതിയിടുന്നുണ്ട്.

കഴിഞ്ഞ രണ്ട് വർഷത്തിനിടെ ചാറ്റ് ജിപിടിയുടെ വോയ്സ് സാങ്കേതികവിദ്യയിൽ വരുന്ന മൂന്നാം തലമുറ മാറ്റമാണിത്. ഒരു സെർച്ച് എഞ്ചിനിൽ വിവരങ്ങൾ തിരയുന്നതിനേക്കാൾ കൂടുതൽ സ്വാഭാവികമായ അനുഭവം ഉപഭോക്താക്കൾക്ക് നൽകുകയാണ് ഇതിലൂടെ ഓപ്പൺ എഐ ലക്ഷ്യമിടുന്നത്. പുതിയ ഫുൾ ഡ്യൂപ്ലക്സ് ആർക്കിടെക്ചർ വഴി ഉപഭോക്താവ് സംസാരിച്ചുകൊണ്ടിരിക്കുമ്പോൾ തന്നെ എഐക്ക് ഓഡിയോ പ്രോസസ്സ് ചെയ്യാനും മറുപടി നൽകാനും സാധിക്കും. ഉപഭോക്താവ് സംസാരിക്കുന്നതിനിടയിൽ തന്നെ കാര്യങ്ങൾ മനസ്സിലായി എന്ന് വ്യക്തമാക്കുന്ന രീതിയിലുള്ള പ്രതികരണങ്ങൾ നൽകാനും സംസാരത്തിനിടയിലെ തടസ്സങ്ങളെ മികച്ച രീതിയിൽ കൈകാര്യം ചെയ്യാനും ഇതിന് കഴിയും. മുൻപുണ്ടായിരുന്ന അഡ്വാൻസ്ഡ് വോയ്സ് മോഡലിൽ ചെറിയ നിശബ്ദതയോ പശ്ചാത്തല ശബ്ദങ്ങളോ ഉണ്ടാകുമ്പോൾ സംഭാഷണം തടസ്സപ്പെടുന്ന രീതിയിലുള്ള ബുദ്ധിമുട്ടുകൾ ഉണ്ടായിരുന്നു.

പുതിയ ജിപിടി ലൈവ് സംവിധാനത്തിൽ വോയ്സ് ഇന്ററാക്ഷനും റീസണിങ് ഫങ്ഷനുകളും വെവ്വേറെയാണ് പ്രവർത്തിക്കുന്നത്. സങ്കീർണ്ണമായ ചോദ്യങ്ങൾ വരുമ്പോൾ അത് ബാക്കെൻഡ് മോഡലായ ജിപിടി 5.5 ലേക്ക് കൈമാറുകയും സംഭാഷണം തടസ്സമില്ലാതെ തുടരുകയും ചെയ്യും. ഡാറ്റാബേസ് പരിശോധനകൾ പോലുള്ള സങ്കീർണ്ണമായ ജോലികൾ വോയ്സ് ഏജന്റുകൾക്ക് എളുപ്പത്തിൽ ചെയ്യാൻ ഇത് സഹായിക്കും. നിലവിൽ ആഴ്ചയിൽ 150 ദശലക്ഷത്തിലധികം ഉപഭോക്താക്കൾ ചാറ്റ് ജിപിടിയുടെ വോയ്സ് ഫീച്ചറുകൾ ഉപയോഗിക്കുന്നുണ്ടെന്നാണ് ഓപ്പൺ എഐ വ്യക്തമാക്കുന്നത്. ഭാഷാ പഠനത്തിനും കൈകൾ ഉപയോഗിക്കാതെ സഹായം തേടുന്നതിനുമെല്ലാം ആളുകൾ ഇത് പ്രയോജനപ്പെടുത്തുന്നുണ്ട്. വിവരങ്ങൾ ദൃശ്യരൂപത്തിൽ കാണിക്കുന്ന വിഷ്വൽ കാർഡുകളും ഇൻസ്റ്റന്റ്, മീഡിയം, ഹൈ എന്നിങ്ങനെ മൂന്ന് തലങ്ങളിലുള്ള റീസണിങ് ശേഷിയും ഇതിലുണ്ട്. സുരക്ഷ മുൻനിർത്തി തത്സമയ വോയ്സ് ഇന്ററാക്ഷനുകളിൽ പുതിയ സുരക്ഷാ മാനദണ്ഡങ്ങളും ഏർപ്പെടുത്തിയിട്ടുണ്ട്. ഗൂഗിൾ, ബൈറ്റ്ഡാൻസ്, എൻവിഡിയ തുടങ്ങിയ വൻകിട കമ്പനികളും ഈ രംഗത്ത് സമാനമായ സാങ്കേതികവിദ്യകളുമായി മത്സരിക്കുന്നുണ്ട്.

Content Highlights

Content Highlights: OpenAI has officially launched its third-generation voice technology called GPT Live for ChatGPT users globally. Powered by a advanced full-duplex architecture, the new GPT Live 1 and GPT Live 1 mini models allow users to experience seamless simultaneous speaking and listening capabilities.