OpenAI ने GPT-Live पेश किया है, जिसे वह voice मॉडलों की एक नई पीढ़ी बताता है और जो ChatGPT Voice का पूरी तरह नया संस्करण बन जाता है। यह आज से दुनिया भर के ChatGPT उपयोगकर्ताओं तक पहुँच रहा है, दो रूपों में, GPT-Live-1 और एक हल्का GPT-Live-1 mini। कंपनी ने एक लाइवस्ट्रीम से पहले इसे पूरी तरह नए ChatGPT Voice के तौर पर पेश किया, और ज़ोर इस बात पर कम है कि असिस्टेंट ज़्यादा जानता है और ज़्यादा इस बात पर कि वह आख़िरकार ऐसे अंदाज़ में बात करता है जो आदेश देने जैसा कम और बातचीत करने जैसा ज़्यादा महसूस होता है।
जो बदलाव मायने रखता है वह है full-duplex ऑडियो। ज़्यादातर voice असिस्टेंट, जिनमें OpenAI का अपना पहले वाला voice मोड भी शामिल है, बारी बारी से काम करते हैं, आप बोलते हैं, सिस्टम आपके ख़त्म होने का इंतज़ार करता है, और फिर जवाब देता है, जिससे वह थोड़ा अटका हुआ, वॉकी टॉकी जैसा एहसास पैदा होता है जिसने voice AI को हमेशा थोड़ा असहज बनाया है। GPT-Live एक ही समय पर सुनता और बोलता है। व्यवहार में इसका मतलब है कि जब आप वाक्य के बीच में ही हों तब यह आपको एक झटपट mhmm या yeah के साथ जवाब दे सकता है, लंबे ठहराव के बिना तेज़ी से आगे पीछे बातचीत संभाल सकता है, बीच में बोल सकता है या टोका जा सकता है, या जब यही सही कदम हो तब बस चुप रह सकता है। यह सुनने में एक छोटा सा अंतर है जो पूरी बातचीत की बनावट बदल देता है।
OpenAI ने इसे जिस तरह बनाया है वह भी ध्यान देने लायक है, क्योंकि GPT-Live को एक तेज़ बातचीत की परत के रूप में डिज़ाइन किया गया है, न कि हर काम करने वाले एकल मॉडल के रूप में। जब किसी अनुरोध को कुछ ज़्यादा भारी चाहिए होता है, web search, गहरा तर्क, या ज़्यादा जटिल काम, तो GPT-Live उस काम को पृष्ठभूमि में चल रहे फ्रंटियर मॉडलों को सौंप देता है, और लॉन्च के समय इन जिम्मेदारियों के लिए GPT-5.5 का इस्तेमाल करता है। voice मॉडल तत्पर और इंसानी आवाज़ जैसा बना रहता है, जबकि ज़्यादा मुश्किल सोच कहीं और होती है और फिर बातचीत में लौट आती है। ChatGPT Voice अब आपके बोलते समय मौसम, शेयर, और खेल जैसी चीज़ों के लिए दृश्य कार्ड भी दिखा सकता है, इसलिए बोलकर होने वाला अनुभव अब पूरी तरह सिर्फ़ ऑडियो नहीं रहा।
यह साफ़ तौर पर समझना मददगार है कि यह लॉन्च क्या है और क्या नहीं। GPT-Live एक नए सिरे से बनाया गया voice अनुभव है, न कि कोई नया फ्रंटियर मॉडल, और मुश्किल सवालों पर कच्ची बुद्धिमत्ता voice परत से नहीं, बल्कि उसी मॉडल से आती है जिसे यह काम सौंपता है। यह असली सीमाओं के साथ भी आता है, लॉन्च के समय GPT-Live, ChatGPT के भीतर video या स्क्रीन शेयरिंग के साथ जोड़कर voice का समर्थन नहीं करता, ये दो सुविधाएँ हैं जिनके बारे में OpenAI कहता है कि वह उन्हें जोड़ने पर अब भी काम कर रहा है। तो यहाँ प्रगति बातचीत और वास्तुशिल्प में है, इस बात में कि असिस्टेंट कैसे बात करता है और काम कैसे बाँटा जाता है, न कि इस बात में कि अंदरूनी सिस्टम कितना समझदार हो गया है।
यह इसलिए मायने रखता है क्योंकि voice चुपचाप उपभोक्ता AI के सबसे प्रतिस्पर्धी मोर्चों में से एक बन गया है, जहाँ Google, xAI का Grok voice, और स्टार्टअप्स की एक लहर सभी बोलकर होने वाली बातचीत को स्वाभाविक बनाने पर ज़ोर दे रहे हैं। हर ChatGPT उपयोगकर्ता तक एक ही बार में एक full-duplex voice मॉडल पहुँचाना उस दौड़ में एक अहम कदम है, और एक तेज़, हमेशा सुनते रहने वाले फ्रंट एंड का डिज़ाइन चुनना जो भारी काम किसी फ्रंटियर मॉडल को सौंप देता है, ऐसा तरीका है जिसे दूसरे उत्पाद शायद अपनाएँगे। इनमें से कोई भी चीज़ असिस्टेंट को अपने आप ज़्यादा समझदार नहीं बनाती, लेकिन यह इस बात का स्तर काफ़ी ऊँचा कर देती है कि किसी से बात करना कैसा महसूस होता है, जो बहुत से लोगों के लिए वही हिस्सा है जो तय करता है कि वे voice इस्तेमाल करेंगे या नहीं।