صحبت کردن با ChatGPT حالا بسیار روانتر و کمدردسرتر از گذشته شده است.
هوش مصنوعیهایی مانند ChatGPT با سرعتی پیوسته در حال پیشرفت هستند و هر نسل جدید، امکانات بیشتر، دقت بالاتر و پاسخگویی سریعتری ارائه میدهد. البته هوش مصنوعی مولد بینقص نیست و نباید آن را منبعی کاملاً قابل اعتماد و غیرقابلتردید برای اطلاعات دانست. با این حال، برای افرادی که استفاده از این فناوری را پذیرفتهاند، گفتوگوی صوتی میتواند گزینهای راحتتر از تایپ کردن تمام درخواستها باشد.
نسخه اولیه Voice Mode در ChatGPT که سال ۲۰۲۳ معرفی شد، برای انجام مکالمه به سه سامانه مجزا متکی بود. ابتدا صدای کاربر به متن تبدیل میشد، سپس یک مدل زبانی پاسخ موردنظر را تولید میکرد و در مرحله پایانی، یک مدل تبدیل متن به گفتار آن پاسخ را با صدای بلند میخواند.
پس از آن Advanced Voice Mode معرفی شد که با استفاده از یک مدل چندوجهی واحد، کیفیت تعامل را به شکل محسوسی ارتقا داد. اکنون ChatGPT از مدل GPT-Live برای مدیریت مکالمات صوتی استفاده میکند؛ مدلی که از نظر طبیعی بودن گفتوگو جهش قابلتوجهی محسوب میشود. شرکت OpenAI معماری این سیستم را فولدوپلکس مینامد؛ ساختاری که به ChatGPT اجازه میدهد همزمان به صحبتهای کاربر گوش دهد و پاسخ صوتی ارائه کند. این ویژگی یکی از مشکلاتی را برطرف میکند که ممکن بود در مدل صوتی قبلی تجربه کرده باشید؛ یعنی سیستم گاهی یک مکث کوتاه را پایان صحبت شما در نظر میگرفت و پیش از اینکه جملهتان تمام شود، پاسخ دادن را آغاز میکرد.
حالا هنگام صحبت کردن با ChatGPT ممکن است هر از گاهی پاسخهای کوتاه و طبیعی مانند ممم یا آره را بشنوید؛ درست شبیه واکنشی که یک انسان در جریان گفتوگوی واقعی نشان میدهد. GPT-Live همچنین میتواند در پسزمینه، کارهای پیچیدهتر را در صورت نیاز به مدلهای توانمند دیگری مانند GPT-5.5 بسپارد؛ برای مثال زمانی که پاسخ به استدلال عمیقتر یا تحقیق نیاز داشته باشد.
آغاز مکالمه با GPT-Live
مدل صوتی GPT-Live از طریق اپلیکیشن ChatGPT روی دستگاههای اندرویدی و iOS و همچنین از طریق هر مرورگر وب قابل استفاده است. کاربران ChatGPT Pro، Plus و Go به مدل GPT-Live-1 دسترسی خواهند داشت، در حالی که کاربران نسخه رایگان میتوانند از مدل GPT-Live-1 mini استفاده کنند.
GPT-Live اکنون جایگزین مدل صوتی قبلی Advanced Voice شده و بهعنوان گزینه پیشفرض در دسترس قرار گرفته است. برای شروع مکالمه کافی است روی آیکون Voice مربوط به ChatGPT که به شکل موج صدا در سمت راست کادر نوشتاری قرار دارد، ضربه بزنید. اگر برای نخستین بار از قابلیت گفتوگوی صوتی استفاده میکنید، ممکن است برنامه از شما اجازه دسترسی به میکروفون دستگاه را درخواست کند.
پس از ورود به حالت صوتی، یک گوی شناور و واکنشگرا روی صفحه مشاهده خواهید کرد. از این مرحله میتوانید درست مانند یک گفتوگوی معمولی شروع به صحبت کنید. اگر روی آیکون تنظیمات در گوشه بالای سمت راست صفحه بزنید، امکان تغییر سطح هوش مدل صوتی را خواهید داشت. سه گزینه در اختیار شما قرار میگیرد: Instant ،Medium و High. البته این قابلیت در مدل GPT-Live-1 mini وجود ندارد و در حال حاضر استفاده از آن به یک طرح پولی نیاز دارد.
Voice در ChatGPT حتی هنگام جابهجایی به یک اپلیکیشن دیگر یا قفل کردن دستگاه نیز فعال باقی میماند. با وجود اینکه تجربه کلی GPT-Live نسبت به نسلهای قبلی حالت صوتی پیشرفت چشمگیری داشته، این مدل در حال حاضر از اشتراکگذاری صفحه یا ویدیو پشتیبانی نمیکند.
اگر ترجیح میدهید از مدل صوتی قبلی استفاده کنید، میتوانید از طریق تنظیمات ChatGPT به بخش Voice بروید و مدل دیگری را انتخاب نمایید. در همین قسمت امکان انتخاب صدای متفاوت برای ChatGPT، تغییر زبان و همچنین تعیین Voice بهعنوان حالت پیشفرض هنگام اجرای اپلیکیشن وجود دارد.
تجربه مکالمه با GPT-Live
چیزی که بیش از همه جالب به نظر میرسد، نه میزان هوشمندی سیستم، بلکه این واقعیت است که خیلی سریع فراموش میکنید که در حال صحبت با یک هوش مصنوعی هستید. GPT-Live دیگر وسط جمله صحبت شما را قطع نمیکند و لازم نیست برای ادامه حرف خود بهطور ناخوشایند منتظر بمانید تا پاسخ صوتی آن کاملاً تمام شود.
در هنگام مطرح کردن پرسشهای طولانیتر، تقریباً این احساس را دارید که GPT-Live میتواند حدس بزند قرار است در ادامه چه چیزی بگویید و خود را برای ادامه مکالمه آماده کنید.
واکنشپذیری بالای GPT-Live همچنین آن را به ابزاری مناسب برای ترجمه همزمان تبدیل میکند. در هر لحظه از گفتوگو میتوانید صفحه را به سمت پایین بکشید تا متن کامل صحبتهای ردوبدلشده را مشاهده کنید.
اگر پرسشی از ChatGPT بپرسید و سیستم تشخیص دهد که پاسخ با استفاده از یک عنصر بصری بهتر ارائه میشود، یک ویجت تعاملی را در کنار پاسخ صوتی ایجاد خواهد کرد.
سطح هوش GPT-Live بهصورت پیشفرض روی حالت Instant قرار دارد. این گزینه برای بیشتر پرسشهای روزمره عملکرد مناسبی دارد و در عین حال سرعت پاسخگویی را در اولویت قرار میدهد. با وجود این، مدل همچنان میتواند جستوجوهای اینترنتی یا فرایندهای استدلال عمیقتر را در پسزمینه به مدلهای قدرتمندتر واگذار کند، بدون اینکه روند مکالمه متوقف شود.
اگر قصد دارید بهطور منظم درباره موضوعات پیچیدهتر با GPT-Live گفتوگو کنید، تغییر سطح هوش به Medium یا High میتواند مفید باشد. این دو حالت برای فکر کردن به پاسخ معمولاً حدود یک یا دو ثانیه زمان بیشتری صرف میکنند، اما این تأخیر جزئی لطمهای به روان و طبیعی بودن مکالمه وارد نمیکند.
