വായിക്കാൻ 3 മിനിറ്റ്

ചാറ്റ്ജിപിടിയുടെ വോയ്സ് മോഡ്: ചിരിയും മൗനവും നിങ്ങളുടെ നാടൻ ശബ്ദഭേദവും അത് എങ്ങനെ തിരിച്ചറിയുന്നു?

പ്രസിദ്ധീകരിച്ചത്

30 സെക്കൻഡിൽ സാരം

ചാറ്റ്ജിപിടിയുടെ വോയ്സ് മോഡ് എന്നത് സംസാരത്തിലൂടെ നേരിട്ട് സംഭാഷണം നടത്താൻ അനുവദിക്കുന്ന ഒരു സംവിധാനമാണ്. വാക്കുകൾ മാത്രമല്ല, ശബ്ദത്തിലെ ഭാവവും ഇടവേളകളും ചിരിയും പോലുള്ള സൂക്ഷ്മ സൂചനകളും അത് കണക്കിലെടുക്കുന്നു. ഇത് സംഭാഷണത്തെ കൂടുതൽ സ്വാഭാവികമാക്കുന്നു.

ChatGPT Voicechatgpt.com ↗
സൗജന്യമായി പരിമിതമായ ഉപയോഗം · ആൻഡ്രോയിഡ്, ഐഒഎസ് ആപ്പുകളിൽ ലഭ്യം

ഒരു സുഹൃത്തിനോട് ഫോണിൽ സംസാരിക്കുന്നതുപോലെ, നിങ്ങൾ ചാറ്റ്ജിപിടിയോട് സംസാരിക്കുന്നു. പെട്ടെന്ന് അത് പറയുന്നതിനിടയിൽ നിങ്ങൾ എന്തെങ്കിലും പറയാൻ തുടങ്ങുന്നു. പഴയ ശബ്ദ സഹായികളാണെങ്കിൽ, അവർ തങ്ങളുടെ വാചകം മുഴുവൻ പറഞ്ഞുതീർന്നിട്ടേ നിങ്ങളെ കേൾക്കൂ. എന്നാൽ ഇവിടെ അത് ഉടനെ നിർത്തുന്നു, നിങ്ങൾ പറയുന്നത് കേൾക്കുന്നു. ഇതാണ് ചാറ്റ്ജിപിടിയുടെ വോയ്സ് മോഡിന്റെ ഏറ്റവും വലിയ പ്രത്യേകത.

ശബ്ദം നേരിട്ട് കേൾക്കുന്ന രീതി

സാധാരണ ശബ്ദ സഹായികൾ നിങ്ങളുടെ സംസാരം ആദ്യം എഴുത്താക്കി മാറ്റും, എന്നിട്ട് അതിന് ഉത്തരം കണ്ടെത്തി, അതിനെ വീണ്ടും ശബ്ദമാക്കി മാറ്റും. ഈ മാറ്റങ്ങൾക്കിടയിൽ ശബ്ദത്തിലെ ഭാവവും ചിരിയും ഇടവേളകളും നഷ്ടപ്പെടും. ചാറ്റ്ജിപിടിയുടെ വോയ്സ് മോഡ് ഈ പാലം ഒഴിവാക്കുന്നു. അത് ശബ്ദത്തെ നേരിട്ട് ശബ്ദമായി തന്നെ കൈകാര്യം ചെയ്യുന്നു (ഇതിനെ സാങ്കേതികമായി ഓഡിയോ-ടു-ഓഡിയോ എന്ന് വിളിക്കുന്നു). അതുകൊണ്ട് നിങ്ങളുടെ ശബ്ദത്തിലെ ഊന്നലും വേഗതയും അതിന് നഷ്ടമാകുന്നില്ല.

ഇത് എങ്ങനെ സംഭവിക്കുന്നു എന്ന് ഒരു ഉദാഹരണത്തിലൂടെ നോക്കാം. നിങ്ങൾ പറയുന്നു: "അത് കൊള്ളാം, വളരെ നന്നായിരിക്കുന്നു." ഈ വാക്കുകൾക്ക് ഗൗരവമുള്ള ഒരു ശബ്ദത്തിൽ പറഞ്ഞാൽ അർത്ഥം പുകഴ്ത്തലാകാം; ചിരിച്ചുകൊണ്ട് പറഞ്ഞാൽ അത് കളിയാക്കലാകാം. വാക്കുകൾ ഒന്നുതന്നെ, പക്ഷേ ശബ്ദം മാറുമ്പോൾ അർത്ഥം മാറുന്നു. ചാറ്റ്ജിപിടി ഈ വ്യത്യാസം തിരിച്ചറിയാൻ ശ്രമിക്കുന്നു.

ചിരിയും ഇടവേളകളും പിടിച്ചെടുക്കുന്നത്

നിങ്ങൾ സംസാരിക്കുമ്പോൾ ചിലപ്പോൾ ഒരു വാക്കിന് മുന്നിൽ ഒന്നോ രണ്ടോ സെക്കൻഡ് നിർത്തും. ചിലപ്പോൾ ചിരിക്കും, ചിലപ്പോൾ ആശ്ചര്യപ്പെടും. ഈ സൂക്ഷ്മ സൂചനകൾ സാധാരണ എഴുത്താക്കി മാറ്റുന്ന സംവിധാനങ്ങൾക്ക് പിടികിട്ടില്ല. എന്നാൽ വോയ്സ് മോഡ് ഈ ശബ്ദ മാതൃകകൾ നേരിട്ട് വിശകലനം ചെയ്യുന്നു. അതുകൊണ്ട് നിങ്ങൾ പറയുന്നത് ഗൗരവമാണോ തമാശയാണോ എന്ന് അതിന് ഏകദേശം മനസ്സിലാകും.

ഇതിന്റെ മറ്റൊരു വശം സ്വാഭാവികമായ തടസ്സപ്പെടുത്തൽ ആണ്. നിങ്ങൾ സംസാരിക്കുന്നതിനിടയിൽ "അല്ല, അതല്ല" എന്ന് പറഞ്ഞാൽ, അത് ഉടനെ നിർത്തി നിങ്ങളെ കേൾക്കും. ഒരു യഥാർത്ഥ മനുഷ്യനോട് സംസാരിക്കുന്നതുപോലെ തോന്നും. ഇതിന് പിന്നിൽ വലിയ കാര്യമായി ഒന്നുമില്ല; ശബ്ദം തുടർച്ചയായി കേട്ടുകൊണ്ടിരിക്കുകയും, ഉപയോക്താവ് സംസാരിക്കാൻ തുടങ്ങിയാൽ ഉടനെ നിർത്തുകയും ചെയ്യുന്നു എന്നതാണ്.

നാടൻ ശബ്ദഭേദങ്ങളും സ്വരങ്ങളും

ഇംഗ്ലീഷിൽ മാത്രമല്ല, മലയാളം ഉൾപ്പെടെ പല ഭാഷകളിലും ഇത് സംസാരിക്കാൻ ശ്രമിക്കുന്നു. എന്നാൽ ഇവിടെ ഒരു കാര്യം ഓർക്കണം: ഏതൊരു ഭാഷയിലും ഓരോ പ്രദേശത്തിനും അതിന്റേതായ ഉച്ചാരണഭേദങ്ങളുണ്ട്. തൃശൂർ ഭാഷയും കണ്ണൂർ ഭാഷയും ഒരുപോലെയല്ല. ഈ വ്യത്യാസങ്ങൾ തിരിച്ചറിയാൻ വോയ്സ് മോഡ് പരിശീലിച്ചിട്ടുണ്ടെങ്കിലും, എല്ലാ പ്രാദേശിക ഭേദങ്ങളും അത് കൃത്യമായി പിടിച്ചെടുക്കണമെന്നില്ല. ചിലപ്പോൾ വാക്കുകൾ തെറ്റായി മനസ്സിലാക്കാം.

ഇതിനൊപ്പം തന്നെ, ചില കാര്യങ്ങൾ ചെയ്യാൻ അത് വിസമ്മതിച്ചേക്കാം. ഉദാഹരണത്തിന്, പ്രശസ്തരായ വ്യക്തികളുടെ ശബ്ദം അനുകരിക്കാൻ അതിനോട് ആവശ്യപ്പെട്ടാൽ, സുരക്ഷാ മാർഗ്ഗനിർദ്ദേശങ്ങൾ കാരണം അത് നിരസിച്ചേക്കാം. അതുപോലെ, പാട്ട് പാടാൻ ആവശ്യപ്പെട്ടാലും അത് ചെയ്യണമെന്നില്ല. ഇത് ഒരു പരിമിതിയാണ്, പക്ഷേ ദുരുപയോഗം തടയാൻ ഇത് ആവശ്യമാണ്.

സ്വകാര്യതയും ഉപയോഗക്രമവും

നിങ്ങളുടെ ശബ്ദം എവിടെ പോകുന്നു എന്നത് സ്വാഭാവികമായ ഒരു ആശങ്കയാണ്. ഈ സംഭാഷണങ്ങൾ കമ്പ്യൂട്ടർ സെർവറുകളിൽ പ്രോസസ്സ് ചെയ്യപ്പെടുന്നു. എന്നാൽ സെഷൻ കഴിഞ്ഞതിന് ശേഷം നിങ്ങളുടെ അസംസ്കൃത ശബ്ദ റെക്കോർഡിംഗുകൾ സൂക്ഷിക്കുന്നില്ല എന്നാണ് കമ്പനി പറയുന്നത്, റെറ്റൻഷൻ ഓഫ് ചെയ്തിട്ടില്ലെങ്കിൽ. എപ്പോഴും ഓർക്കുക: ഏതെങ്കിലും ശബ്ദ സഹായിയോട് സംസാരിക്കുമ്പോൾ, നിങ്ങൾ പങ്കുവെക്കുന്ന വിവരങ്ങളെക്കുറിച്ച് ബോധവാന്മാരായിരിക്കുക.

ഉപയോഗിക്കാൻ എളുപ്പമാണ്. ചാറ്റ്ജിപിടി ആപ്പ് തുറന്ന്, താഴെ വലതുവശത്തുള്ള ശബ്ദ തരംഗങ്ങളുടെ ഐക്കണിൽ അമർത്തുക. അത്രമാത്രം. സൗജന്യ അക്കൗണ്ടുകൾക്ക് പരിമിതമായ ഉപയോഗം ലഭിക്കും; പ്ലസ്, പ്രോ അക്കൗണ്ടുകൾക്ക് കൂടുതൽ സമയം ലഭ്യമാണ്. ഇത് ഗൂഗിളിന്റെ ജെമിനി ലൈവ്, ആപ്പിളിന്റെ സിരി എന്നിവയുമായി മത്സരിക്കുന്നു.

അപ്പോൾ, ഇത് ഒരു മനുഷ്യനെപ്പോലെ സംസാരിക്കുന്നുണ്ടോ? ഇല്ല. അതിന് വികാരങ്ങളില്ല, ബോധമില്ല. പക്ഷേ, നിങ്ങളുടെ ശബ്ദത്തിലെ സൂക്ഷ്മ ഭേദങ്ങൾ കേട്ട്, അതിനനുസരിച്ച് പ്രതികരിക്കാൻ അതിന് കഴിയും. അതാണ് ഇതിന്റെ സൗന്ദര്യം. ഒരു യന്ത്രം എന്നതിലുപരി, ഒരു സംഭാഷണ പങ്കാളിയെപ്പോലെ അത് പെരുമാറുന്നു.

ഉറവിടങ്ങൾ
  1. ചാറ്റ്ജിപിടിയിലെ അഡ്വാൻസ്ഡ് വോയ്സ് മോഡ്: തത്സമയ ഓഡിയോയും സംഭാഷണ സൂക്ഷ്മതകളുംഓപ്പൺഎഐ സഹായ കേന്ദ്രം