பேச்சில் மனிதர்…பின்னணியில் AI!ChatGPT Voice Mode-ல் வந்த அதிரடி மேம்பாடுகள்!

செயற்கை நுண்ணறிவு உலகில் அடுத்த பெரிய போட்டி “சிறந்த AI யார்?” என்பதில் மட்டுமல்ல; “மனிதரைப் போல யார் பேசுகிறார்கள்?” என்பதிலும் உள்ளது.

ChatGPT-யின் Voice Mode அறிமுகமானபோதே, AI-உடன் இயல்பாகப் பேசும் அனுபவம் புதிய பரிமாணத்தை எட்டியது. தற்போது OpenAI, தனது Voice Mode-ஐ மேலும் இயல்பாகவும், வேகமாகவும், புத்திசாலித்தனமாகவும் மாற்றும் பல மேம்பாடுகளை அறிமுகப்படுத்தியுள்ளது. இதனால் AI-உடன் உரையாடுவது ஒரு கட்டளை-பதில் முறையிலிருந்து, மனிதர்களுக்கிடையேயான இயல்பான உரையாடலைப் போன்ற அனுபவமாக மாறுகிறது.

Voice Mode-ல் என்னென்ன புதிய மாற்றங்கள்?

புதிய Voice அனுபவத்தின் மையத்தில் GPT-Live என்ற புதிய தலைமுறை குரல் மாதிரி உள்ளது. இது பயனர் பேசிக் கொண்டிருக்கும்போதே கேட்டு, தேவையான இடைவெளிகளில் பதிலளிக்க முடியும். அதனால் உரையாடல் செயற்கையாக இல்லாமல் இயல்பாக ஓடுகிறது.

ஒரே நேரத்தில் கேட்கவும் பேசவும் முடியும்

முந்தைய குரல் உதவியாளர்கள், பயனர் முழுவதுமாகப் பேசி முடித்த பிறகே பதிலளிப்பார்கள்.

புதிய Voice Mode-ல்:

• பயனர் பேசும் போதே AI கவனமாகக் கேட்கிறது.
• இடைமறித்து பேசாமல் உரையாடலின் ஓட்டத்தைப் புரிந்துகொள்கிறது.
• தேவையான இடங்களில் “ஆம்”, “சரி”, “புரிகிறது” போன்ற மனிதர்களின் இயல்பான எதிர்வினையைப் போன்ற ஒலி சைகைகளையும் வழங்க முடிகிறது.

இதனால் உரையாடல் மிகவும் உயிரோட்டமாக மாறுகிறது.

மனிதரைப் போல உணர்வுகளுடன் பேசும் AI

Voice Mode-இல் மிகப் பெரிய முன்னேற்றமாகக் கருதப்படுவது அதன் பேச்சு நடை.

புதிய மேம்பாடுகளில்,

• இயல்பான குரல் ஏற்ற இறக்கங்கள்
• பொருத்தமான இடைவெளிகள்
• உணர்ச்சிக்கேற்ற குரல் வெளிப்பாடு
• சூழ்நிலைக்கேற்ற பதில் முறை

ஆகியவை மேம்படுத்தப்பட்டுள்ளன.

இதனால் AI ஒரு ரோபோவைப் போல இல்லாமல், உரையாடலைப் புரிந்துகொள்ளும் உதவியாளரைப் போன்ற அனுபவத்தை வழங்குகிறது.

நேரடி மொழிபெயர்ப்பாளராக ChatGPT

Voice Mode-ன் முக்கியமான புதிய பயன்பாடுகளில் ஒன்று Live Translation.

உதாரணமாக,

• நீங்கள் தமிழில் பேசலாம்.
• ChatGPT அதை ஆங்கிலத்தில் மொழிபெயர்த்து பேசும்.
• எதிரில் இருப்பவர் ஆங்கிலத்தில் பதிலளித்தால், அதை மீண்டும் தமிழில் விளக்க முடியும்.

சுற்றுலா, சர்வதேச வணிகம், கல்வி மற்றும் அலுவலக தொடர்புகளில் இது பெரும் மாற்றத்தை ஏற்படுத்தக்கூடிய அம்சமாக பார்க்கப்படுகிறது.

குரலிலேயே இணையத் தேடல்

புதிய Voice Mode வெறும் உரையாடலுக்காக மட்டுமல்ல.

தேவையானபோது,

• இணையத் தேடல்
• சிக்கலான பகுப்பாய்வு
• தகவல் சரிபார்ப்பு

போன்ற செயல்களையும் பின்னணியில் மேற்கொண்டு, அதன் முடிவுகளை குரலிலேயே விளக்க முடிகிறது.

உரை, படம், குரல் – அனைத்தும் ஒரே உரையாடலில்

Voice Mode இப்போது தனி வசதியாக இல்லாமல், ChatGPT உரையாடலின் ஒரு பகுதியாக மாறியுள்ளது.

அதாவது,

• பேசலாம்
• தட்டச்சு செய்யலாம்
• படம் பகிரலாம்
• AI பதில்களை குரலிலும், உரையிலும் ஒரே நேரத்தில் பெறலாம்

என்ற மல்டிமோடல் அனுபவம் கிடைக்கிறது.

கல்வி, மருத்துவம், தொழில் – பயன்பாடு விரிவடைகிறது

Voice Mode மேம்பாடுகள் பொதுவான உரையாடலைத் தாண்டி பல துறைகளில் தாக்கத்தை ஏற்படுத்துகின்றன.

• மொழி கற்றல்
• மாணவர்களுக்கான AI Tutor
• பார்வை குறைபாடு உள்ளவர்களுக்கான உதவி
• வாடிக்கையாளர் சேவை
• மருத்துவர்–நோயாளர் தொடர்பு
• அலுவலக உதவியாளர்

போன்ற பயன்பாடுகள் வேகமாக வளரக்கூடும்.

போட்டி தீவிரமடைகிறது

OpenAI மட்டுமல்லாமல்,

• Google Gemini
• Microsoft Copilot
• Anthropic Claude
• xAI Grok

போன்ற நிறுவனங்களும் இயல்பான குரல் உரையாடலுக்கான AI தொழில்நுட்பங்களில் அதிக முதலீடு செய்து வருகின்றன.

அடுத்த சில ஆண்டுகளில் AI போட்டியின் முக்கிய களமாக Voice Interface மாறும் என தொழில்நுட்ப ஆய்வாளர்கள் கருதுகின்றனர்.

AI-யின் அடுத்த முகம் – திரையல்ல, குரல்

கடந்த இரண்டு ஆண்டுகளில் ChatGPT பயன்பாட்டின் மையம் தட்டச்சு செய்தி பரிமாற்றமாக இருந்தது. ஆனால் Voice Mode மேம்பாடுகள், AI-யை “பேசிக் கொண்டே பயன்படுத்தும்” புதிய காலத்தை நோக்கி நகர்த்துகின்றன.

எதிர்காலத்தில் ஸ்மார்ட்போன், கார், ஸ்மார்ட் கண்ணாடி, ரோபோ, வீட்டு சாதனங்கள் என அனைத்துடனும் மனிதர்கள் குரல் வழியாகவே AI-யை பயன்படுத்தும் சூழல் உருவாகலாம்.

அதாவது, AI-யின் அடுத்த பெரிய மாற்றம் திரையில் அல்ல; மனிதர்களுடன் இயல்பாகப் பேசும் குரலில் இருக்கலாம்.