OpenAI ने गुरुवार को घोषणा की कि उसके API में अब नई आवाज़ इंटेलिजेंस सुविधाओं का एक सूट शामिल होगा, जो डेवलपर्स को ऐसे ऐप्स बनाने में मदद करने के लिए डिज़ाइन किया गया है जो उपयोगकर्ताओं के साथ बात कर सकते हैं, ट्रांसक्राइब कर सकते हैं और अनुवाद कर सकते हैं। क्योंकि जाहिर है, टाइप करना पिछले दशक की बात है।

कंपनी का नया GPT-Realtime-2 एक और वॉयस मॉडल है, जो उपयोगकर्ताओं के साथ बातचीत करने के लिए यथार्थवादी आवाज़ सिमुलेशन बनाने के लिए बनाया गया है। अपने पूर्ववर्ती (GPT-Realtime-1.5) के विपरीत, यह GPT-5-क्लास रीज़निंग के साथ आता है, जिसे OpenAI का कहना है कि उपयोगकर्ताओं से अधिक जटिल अनुरोधों से निपटने के लिए बनाया गया है। तो हाँ, यह अधिक स्मार्ट है, लेकिन फिर भी यह टिप मांगे बिना पिज़्ज़ा ऑर्डर नहीं कर सकता।

साथ ही GPT-Realtime-Translate लॉन्च हो रहा है, जो जैसा कि नाम से पता चलता है, वास्तविक समय में अनुवाद सेवाएं प्रदान करता है जो उपयोगकर्ता के साथ "तालमेल" रखती हैं, बातचीत के रूप में। यह सुविधा 70 से अधिक इनपुट भाषाओं (जिन भाषाओं को यह समझ सकता है) और 13 आउटपुट भाषाओं (जिन भाषाओं को यह वक्ता तक पहुंचाता है) का समर्थन करती है। यह बहुत सारी भाषाएँ हैं, लेकिन हम अभी भी इसके व्यंग्य का अनुवाद करने की प्रतीक्षा कर रहे हैं।

अंत में, GPT-Realtime-Whisper है, एक नई ट्रांसक्रिप्शन क्षमता जो उपयोगकर्ताओं को बातचीत होने पर लाइव स्पीच-टू-टेक्स्ट देती है। क्योंकि मैन्युअल रूप से नोट्स लेना 2019 की बात है।

"साथ में, हम जो मॉडल लॉन्च कर रहे हैं, वे रीयल-टाइम ऑडियो को सरल कॉल-एंड-रिस्पॉन्स से आवाज़ इंटरफेस की ओर ले जाते हैं जो वास्तव में काम कर सकते हैं: सुनना, तर्क करना, अनुवाद करना, ट्रांसक्राइब करना, और बातचीत के सामने आने पर कार्रवाई करना," कंपनी ने कहा। दूसरे शब्दों में, जब आप बिस्तर में होते हुए कहते हैं "मैं अपने रास्ते पर हूँ" तो आपका फोन आखिरकार आपको समझ सकता है।

इन अपडेट से किसे लाभ होगा? ग्राहक सेवा क्षमताओं का विस्तार करने के इच्छुक कंपनियां एक स्पष्ट लक्ष्य हैं। लेकिन OpenAI यह भी नोट करता है कि ये सुविधाएँ शिक्षा, मीडिया, इवेंट्स और क्रिएटर प्लेटफॉर्म में सहायता करेंगी। क्योंकि 'शिक्षा' का मतलब कुछ नहीं, एक रोबोट जो आपके ऊपर बात कर सकता है।

जितने उपयोगी ये उपकरण उद्यम दृष्टिकोण से लगते हैं, वे दुरुपयोग भी हो सकते हैं। कंपनी का कहना है कि उसने स्पैम, धोखाधड़ी या अन्य ऑनलाइन दुष्कर्मों को रोकने के लिए सुरक्षा उपाय बनाए हैं। सिस्टम में कुछ ट्रिगर एम्बेडेड हैं ताकि "बातचीत को रोका जा सके यदि वे हमारे हानिकारक सामग्री दिशानिर्देशों का उल्लंघन करते पाए जाते हैं।" तो, यदि आप बूढ़ी महिलाओं को ठगने के लिए इसका उपयोग करने की कोशिश करते हैं, तो यह बस फोन काट देगा। कितना विनम्र।

सभी नए वॉयस मॉडल OpenAI के Realtime API में शामिल हैं। Translate और Whisper का बिल प्रति मिनट लिया जाता है, जबकि GPT-Realtime-2 का बिल टोकन खपत के अनुसार लिया जाता है। क्योंकि भविष्य में, आप हर शब्दांश के लिए भुगतान करेंगे।