OpenAI ने GPT-Live पेश किया: फुल-डुप्लेक्स वॉयस मॉडल जो टर्न-बेस्ड चैट को खत्म करता है

फुल-डुप्लेक्स क्यों महत्वपूर्ण है

अधिकांश वॉयस असिस्टेंट वॉकी-टॉकी की तरह काम करते हैं। आप बोलते हैं, वे प्रतीक्षा करते हैं। वे जवाब देते हैं, आप प्रतीक्षा करते हैं। यह टर्न-बेस्ड इंटरैक्शन है, और यह रोबोटिक लगता है। GPT-Live इसे पलट देता है। मॉडल बोलते समय ऑडियो प्रोसेस करता है, इसलिए रुकावटें, ओवरलैप और बीच-वाक्य में सुधार बातचीत का हिस्सा बन जाते हैं, न कि उसे तोड़ते हैं।

यह एक बड़ा बदलाव है। स्वाभाविक बातचीत में, लोग एक-दूसरे के ऊपर बोलते हैं, रुकते हैं, और फिर से जुड़ते हैं। GPT-Live को इसी को संभालने के लिए डिज़ाइन किया गया है। यह आपको तब तक बोलने से नहीं रोकता जब तक AI अपना जवाब पूरा नहीं कर लेता। इसके बजाय, यह लगातार सुनता रहता है, यहाँ तक कि जब यह भाषण उत्पन्न करता है।

टर्न-बेस्ड सीमाओं का अंत

टर्न-बेस्ड सीमाएँ शुरू से ही वॉयस AI में एक मुख्य बाधा रही हैं। वे उपयोगकर्ताओं को हर चीज़ को एक कमांड के रूप में व्यक्त करने के लिए मजबूर करती हैं: पूछें, प्रतीक्षा करें, सुनें, जवाब दें। यह सरल प्रश्नों के लिए काम करता है, लेकिन जब आप ज़ोर से सोचना, बीच में टोकना, या वाक्य के बीच में दिशा बदलना चाहते हैं, तो यह विफल हो जाता है। GPT-Live इस घर्षण को समाप्त करता है। मॉडल को स्पष्ट हैंडऑफ़ की आवश्यकता नहीं होती। यह बातचीत के प्रवाह के साथ चल सकता है, संकेतों, हिचकिचाहट और ओवरलैपिंग भाषण को पकड़ सकता है।

OpenAI का दृष्टिकोण वॉयस को अलग-अलग आदान-प्रदान की श्रृंखला के बजाय एक सतत धारा के रूप में मानना है। यह एक तकनीकी बदलाव है, लेकिन यह उपयोगकर्ता अनुभव में भी बदलाव है। लोग ऐसी मशीन से बात नहीं करना चाहते जो उन्हें बारी-बारी से बोलने के लिए मजबूर करे। वे उसी तरह बात करना चाहते हैं जैसे वे किसी अन्य व्यक्ति से करते हैं।

रियल-टाइम वॉयस के लिए एक नया मानक

GPT-Live केवल मौजूदा मॉडल में बदलाव नहीं है। यह वॉयस इंटरैक्शन को संभालने का एक नया तरीका है। कंपनी इसे रियल-टाइम इंटरैक्शन के लिए एक नया मानक स्थापित करने के रूप में वर्णित करती है, जो बताता है कि यह भविष्य के OpenAI वॉयस उत्पादों के लिए आधार रेखा होगी। इसके निहितार्थ चैटबॉट से परे हैं। रियल-टाइम अनुवाद, वॉयस-नियंत्रित डिवाइस, ग्राहक सेवा लाइनें, और यहाँ तक कि लाइव मीटिंग असिस्टेंट भी ऐसे मॉडल से लाभान्वित हो सकते हैं जिसे सख्त टर्न-टेकिंग की आवश्यकता नहीं होती।

अभी तक यह नहीं बताया गया है कि GPT-L