વાંચવાનો સમય 3 મિનિટ
ચેટજીપીટીનો અદ્યતન વોઇસ મોડ: વચ્ચે બોલો તો પણ અટકી જાય, હસવું અને સ્વર ઓળખી લે
30 સેકન્ડમાં સાર
ચેટજીપીટીનો અદ્યતન વોઇસ મોડ એ એવી રીતે બનેલી સુવિધા છે જેમાં તમે બોલો છો તે સીધું સાંભળીને, વચ્ચેના લખાણમાં ફેરવ્યા વગર, એ જ ધ્વનિમાં જવાબ આપે છે. આથી તે સ્વર, ઉતાવળ, હસવું અને સ્વરની ચઢાવ-ઉતાર સમજી શકે છે અને તમે વચ્ચે બોલો તો તરત ચૂપ થઈ જાય છે.
તમે મોબાઇલમાં ચેટજીપીટી સાથે વાત કરી રહ્યા છો. વચ્ચે તમને કંઈક યાદ આવે છે અને તમે બોલવાનું શરૂ કરો છો. જૂના સાધનોમાં તો એ જવાબ પૂરો થાય ત્યાં સુધી સાંભળતું જ રહેતું. પણ આ વોઇસ મોડ તરત ચૂપ થઈ જાય છે અને તમારી નવી વાત સાંભળવા લાગે છે. આ નાનકડી ઘટના પાછળ એક મોટો તકનીકી ફેરફાર છે, જે સમજવો રસપ્રદ છે.
અવાજ સીધો અવાજમાં કેમ ફેરવાય છે?
જૂની પદ્ધતિમાં તમારો અવાજ પહેલા લખાણમાં ફેરવાતો, પછી કમ્પ્યુટર એ લખાણ સમજીને જવાબ લખતું, અને પછી એ જવાબ બોલાતો. આ ત્રણ પગથિયાંમાં સમય જતો અને અવાજની ભાવના ખોવાઈ જતી. અદ્યતન વોઇસ મોડમાં આ પગથિયાં ટૂંકાવી નાખ્યાં છે. તમારો અવાજ સીધો જ ધ્વનિના સ્વરૂપે સમજાય છે અને જવાબ પણ સીધો ધ્વનિમાં બને છે. આથી તે ઝડપી બને છે અને તમારા બોલવાની ઢબ, ધીમું કે ઝડપી બોલવું, હસવું કે અચકાવું — એ બધું ધ્યાનમાં લઈ શકે છે.
આ પદ્ધતિને ઓડિયો-ટુ-ઓડિયો આર્કિટેક્ચર કહેવાય છે, એટલે કે અવાજથી અવાજ સુધીની સીધી રચના. જ્યારે તમે વચ્ચે બોલવાનું શરૂ કરો, ત્યારે સિસ્ટમ તરત જ પોતાનું બોલવાનું બંધ કરી દે છે અને તમારા નવા શબ્દો પર ધ્યાન આપે છે. આને ઇન્ટરપ્શન કહેવાય છે, એટલે વચ્ચે બોલવાની છૂટ.
સ્વર, હસવું અને સ્થાનિક બોલી કેવી રીતે પારખે છે?
ધારો કે તમે ગુજરાતીમાં વાત કરો છો અને વચ્ચે હસી પડો છો. સામાન્ય રીતે કમ્પ્યુટર માટે હસવું એ ફક્ત ઘોંઘાટ હોય છે. પણ આ મોડ હસવાને પણ એક ભાવ તરીકે ઓળખે છે. એ જ રીતે તમે ઉતાવળમાં બોલો, ધીમે બોલો, કે શબ્દ વચ્ચે થોભો — એ બધું તે સમજે છે. આથી તે માણસ સાથે વાત કરતા હોય એવો અનુભવ આપે છે. તે વિવિધ પ્રકારના અવાજોમાં ઉપલબ્ધ છે, જેમાં પ્રાદેશિક ઉચ્ચાર અને વાર્તા કહેનારની ઢબ પણ સામેલ છે.
આ બધું થાય છે કારણ કે સિસ્ટમ અવાજના નાના ટુકડાઓને ઓળખીને તેમને અર્થ સાથે જોડે છે. તે ફક્ત શબ્દો નથી ગણતી, પણ શબ્દો કઈ રીતે બોલાયા એ પણ જુએ છે. આથી જ તે સ્વરની ચઢાવ-ઉતાર સમજી શકે છે.
તમે આ સુવિધા કેવી રીતે વાપરી શકો?
વાપરવું એકદમ સહેલું છે. ચેટજીપીટીની એપ ખોલો અને નીચે જમણી બાજુએ રહેલા તરંગ જેવા ચિહ્ન (વેવ આઇકન) પર ટચ કરો. પછી તમે સીધા બોલી શકો છો. તમે વચ્ચે બોલો તો તે અટકી જશે, એટલે તમારે રાહ જોવાની જરૂર નથી. આ સુવિધા મફત ખાતામાં મર્યાદિત સમય માટે મળે છે, જ્યારે પેઇડ પ્લાનમાં વધુ ઉપયોગ કરી શકાય છે.
- વાત કરતી વખતે સ્પષ્ટ બોલો, જેથી સ્વર ઓળખવામાં સરળતા રહે.
- વચ્ચે બોલવું હોય તો નિઃસંકોચ બોલો, તે તરત અટકી જશે.
- ખાનગી વાતો કરતી વખતે ધ્યાન રાખો કે અવાજ ક્લાઉડ પર પ્રોસેસ થાય છે.
- જાહેર વ્યક્તિની નકલ કરવાની વિનંતી તે સુરક્ષા નિયમોને કારણે નકારી શકે છે.
શું ધ્યાનમાં રાખવું?
આ સુવિધા ઘણી કુદરતી લાગે છે, પણ તે સંપૂર્ણ નથી. કેટલીક વાર તે ગીત ગાવાની વિનંતી નકારી શકે છે અથવા જાહેર વ્યક્તિની નકલ કરવાની મના કરે છે. આ સુરક્ષા નિયમોને કારણે છે. ઉપરાંત, તમારો અવાજ ક્લાઉડ પર પ્રોસેસ થાય છે, એટલે ખાનગી બાબતો માટે તેનો ઉપયોગ કરતા પહેલાં વિચારવું સારું. ડિફોલ્ટ રીતે સેશન પૂરું થયા પછી કાચા રેકોર્ડિંગ સાચવવામાં આવતાં નથી, પણ સેટિંગ્સ તપાસી લેવી હિતાવહ છે.
આ મોડ ગૂગલના જેમિની લાઇવ અને એપલની નવી સિરી અવાજો સાથે સ્પર્ધા કરે છે. પણ દરેક સાધનની પોતાની ખાસિયત અને મર્યાદા છે. મુખ્ય વાત એ છે કે હવે કમ્પ્યુટર સાથે વાત કરવી એ ફક્ત આદેશ આપવો નથી, પણ સાચા અર્થમાં સંવાદ બની ગઈ છે. તમે બોલો, તે સાંભળે, તમે અટકો, તે થોભે — આ નાનકડી સમજણ જ તેને માણસ જેવો બનાવે છે.
સ્ત્રોતો
- ચેટજીપીટીમાં અદ્યતન વોઇસ મોડ: રીઅલ-ટાઇમ ઓડિયો અને વાણીની બારીકીઓઓપનએઆઈ સહાય કેન્દ્ર