چت جی پی تی صوتی چیست؟+ نحوه استفاده از نسخه صوتی chatgpt

چت جی پی تی سخن می‌گوید! آیا می‌خواهید با او صحبت کنید و صدایش را بشنوید؟ اواخر سپتامبر 2024 کمپانی open ai یک دستیار جدید به نام چت جی پی تی صوتی را روانه بازار کرد. این ربات سخنگو کاملا مانند یک انسان تعامل و مکالمه می‌کند. محال است لحظه‌ای شک کنید که در حال گفت‌وگو با یک هوش مصنوعی (Artificial Intelligence) هستید. در ادامه مطلب به چیستی چت جی پی تی صوتی، معرفی قابلیت‌ها، تفاوت آن با نسخه متنی و نحوه استفاده از آن می‌پردازیم.

چت جی پی تی صوتی چیست؟

چت جی پی تی صوتی یکی از قابلیت‌های هوش مصنوعی ChatGPT است. این حالت صوتی به شما اجازه می‌دهد به‌جای تایپ‌کردن، از طریق میکروفون با آن صحبت و پاسختان را هم به‌صورت صوتی دریافت کنید. در جی پی تی صوتی ارتباطی جذاب، زنده، تعاملی و واقعی تجربه می‌کنید. صداهای متنوع و گوناگون این ربات سخنگو لحن طبیعی (Natural Language) دارند و سرعت پرسش‌وپاسخ را بالا می‌برند. دسترسی  به حالت صوتی در نسخه رایگان و پلاس فعال است؛ اما با خرید اکانت chatgpt محدودیت‌های حالت رایگان (پیش‌نمایش ماهانه) وجود ندارد.

 چت جی پی تی صوتی از فناوری‌های پیشرفته‌ای (Speech-to-Text و Text-to-Speech) برخوردار است. تاکنون 2 مدل حالت صوتی استاندارد و پیشرفته عرضه شده است.

دستیار صوتی چت جی پی تی چگونه کار می‌کند؟

نسخه صوتی چت جی پی تی ابتدا گفتار را درک و سپس آن را پردازش می‌کند. بعد از آن، پاسخ را تولید می‌کند و آن را به‌صورت صوتی در می‌آورد. مدیریت پاسخ‌دهی به مکالمه در صورت ادامه‌دار شدن را هم در نظر می‌گیرد.

فرایند تشخیص گفتار (Speech Recognition)

در مرحله اول، چت جی پی تی گفتار را به متن تبدیل می‌کند. هنگامی که صحبت می‌کنید، دستیار صوتی چت جی پی تی از فناوری «Speech-to-Text» استفاده می‌کند. جی پی تی صوتی می‌تواند زبان و لهجه‌های مختلف را تشخیص دهد (Voice Recognition) و پردازش کند. همچنین برای تشخیص گفتار از ابزارهایی مانند «Google Speech API» یا «Whisper» استفاده می‌کند.

پردازش متن توسط ChatGPT

پس از تبدیل گفتار به متن، چت جی پی تی متن را پردازش می‌کند تا مفهوم و هدف کاربر را تشخیص دهد. حالا هوش مصنوعی سخنگو مدل پاسخ مناسب را بر اساس دانش و الگوریتم‌های خود تولید می‌کند. هوش مصنوعی صوتی برای پردازش و تولید پاسخ از فناوری «NLP» استفاده می‌کند.

تبدیل متن به گفتار (Text-to-Speech)

پاسخ تولیدشده به‌صورت صوتی برای کاربر  ارسال و پخش می‌شود. این کار با استفاده از فناوری «Text-to-Speech» انجام می‌شود. چت جی پی تی صوتی از صداهای طبیعی و انسانی استفاده می‌کند که قابلیت تنظیم دارند؛ مثلا صدای مردانه یا زنانه، سرعت و لحن.

مدیریت تعامل لحظه‌ای و واقعی

تمامی مراحل بالا در کسری از ثانیه انجام می‌شود تا حس مکالمه واقعی و لحظه‌‍ای به کاربر القا شود. علاوه‌بر پاسخ صوتی، کاربر می‌تواند نسخه متنی پاسخ را در انتها ببیند.

مزایا و معایب استفاده از chatgpt صوتی

قابلیت‌های نسخه صوتی چت جی پی تی

مهم‌ترین ویژگی‌ها و قابلیت‌های نسخه صوتی چت جی پی تی به‌صورت زیر است.

پشتیبانی از فناوری‌های پیشرفته

دستیار صوتی chatgpt از فناوری‌های گفتار به متن (Speech-to-Text)، متن به گفتار (Text-to-Speech) و پردازش زبان طبیعی (NLP) استفاده می‌کند. 

دسترسی گسترده

چت صوتی با chatgpt در تمام دستگاه‌ها در دردسترس است. در نسخه وب و اپلیکیشن می‌توانید مکالمه صوتی با چت جی پی تی را آغاز کنید. جالب است بدانید حالت صوتی (Voice mood) در نسخه رایگان هم فعال است (فقط دسترسی به پیش‌نمایش ماهانه). ابتدا فقط در chatgpt plus این قابلیت وجود داشت؛ اما اکنون در نسخه رایگان هم  در دسترس است؛ که محدودتر از چت جی پی تی ۴ است.

پشتیبانی از چند زبان

حالت صوتی ChatGPT از زبان‌های متعددی پشتیبانی می‌کند؛ از جمله انگلیسی، اسپانیایی، فرانسوی، آلمانی، ایتالیایی، پرتغالی، روسی، عربی، چینی (ساده و سنتی)، ژاپنی و کره‌ای. همچنین این فناوری امکان شناسایی و پاسخگویی به زبان‌های کمتر رایج را دارد. دستیار صوتی chatgpt زبان فارسی را می‌فهمد و می‌تواند به فارسی هم پاسخ دهد؛ اما ممکن است در تلفظ برخی کلمات اشتباه کند.

شخصی‌سازی تجربه کاربری

هوش مصنوعی صوتی می‌تواند از حافظه و دستورالعمل‌های سفارشی برای پاسخ‌ها استفاده کند. او از شما می‌آموزد و یاد می‌گیرد. اگر چیزی بخواهید در ادامه مکالمه یا  مکالمه‌های آینده به‌ کار می‌برد.

امنیت و حریم خصوصی

هنگامی که می‌خواهید مکالمه صوتی با chatgpt را آغاز کنید، 3 دسترسی برای دریافت صدای شما در وب برای اولین‌بار وجود دارد. دسترسی به صدا «هنگام استفاده از این سایت»، «فقط این بار» و «هرگز». در دو مورد اول تمامی حریم شخصی شما حفظ می‌شود. در ادامه می‌خوانید که امکان حذف مکالمه هم وجود دارد.

سازگاری با افراد دارای نیازهای ویژه

یکی از مهم‌ترین قابلیت‌های ربات سخنگو chatgpt فرصت برقراری ارتباط با کسانی است که نمی‌توانند تایپ کنند. با کنار زدن محدودیت تایپ، تمامی افراد می‌توانند به‌‌صورت صوتی تعامل  کنند.

مکالمه‌های طبیعی

نسخه صوتی chatgpt به وقفه‌ها، شوخی‌ها و موارد دیگر واکنش نشان می‌دهد. حدود 10 مدل صدای متفاوت با ویژگی‌های گوناگون وجود دارد که لحنی کاملا طبیعی دارند. پس هرگز تصور نکنید که چت جی پی تی صوتی مانند ربات صحبت می‌کند.

دسترسی به حذف مکالمه صوتی

پس از اتمام مکالمه صوتی، در صفحه چت با chatgpt، گفت‌وگوی شما با هوش مصنوعی به‌صورت متنی وجود دارد. می‌توانید از طریق منوی سمت چپ آن را انتخاب و حذف کنید.

تفاوت‌های نسخه چت صوتی هوشمند و متنی chatgpt

ورود هوش مصنوعی چت جی پی تی تحول عظیمی در زندگی روزمره ما به وجود آورد؛ اکنون تعامل صوتی با هوش مصنوعی این تحول را دوچندان کرده است. در ادامه تفاوت مدل چت بات (Chatbot) متنی و صوتی chatgpt را ببینید.

نحوه استفاده از جی پی تی صوتی

پس از ورود به چت جی پی تی، در قسمتی که درخواست خود را می‌نویسید، در سمت چپ روی دایره‌ مشکی بزنید. اولین‌بار که می‌خواهید حالت صوتی را فعال کنید برخی از ویژگی‌های آن را به حالت اعلان، نمایش می‌دهد. در انتهای توضیحات روی «Continue» بزنید. حالا صداهای مختلفی وجود دارد که به‌صورت نمونه پخش می‌شوند. یکی از صداها را انتخاب کنید. به برنامه اجازه دسترسی به میکروفونتان را بدهید. حالا مکالمه صوتی را آغاز و از سرعت و نحوه تعامل طبیعی لذت ببرید.

همان‌طور که در ابتدا گفتیم، ۲ مدل حالت صوتی استاندارد و پیشرفته وجود دارد. اگر هنگام ضبط مکالمه دایره آبی مشاهده می‌کنید، حالت پیشرفته است. دایره سیاه هم به‌‌معنای حالت صوتی استاندارد است. محدودیت استفاده از چت جی پی تی صوتی متفاوت است؛ اما در نسخه پلاس، 15 دقیقه مانده به اتمام زمان گفت‌وگو، به شما اطلاع داده می‌شود. نسخه رایگان هم که به‌صورت ماهانه و بسیار محدود است.

برای شروع و توقف در مکالمه می‌توانید علامت میکرون را لمس کنید و در صورت اتمام «end» را انتخاب کنید.

به دلیل محدودیت‌های کمپانی OpenAI برای ایرانیان، از IP مجاز استفاده کنید. همچنین می‌توانید از فیلترشکن استفاده کنید.

روش تغییر صدای چت جی پی تی صوتی

برای تغییر صدای دستیار صوتی (Voice Assistants) روی پروفایل خود بزنید؛ این قسمت در بالا سمت چپ وجود دارد. سپس تنظیمات «Settings» را انتخاب کنید. در سایدبار چپ، روی «Speech» بزنید.

در اولین گزینه صداهای گوناگون را گوش و سپس انتخاب کنید.

هوش مصنوعی سخنگو، دستیار صوتی چت جی پی تی

چت جی پی تی صوتی مانند سایر دستیارهای صوتی «Google Assistant» و«Siri» کار می‌کند. Chatgpt صوتی با کمک فناوری‌های تبدیل متن به گفتار، گفتار به متن و پردازش آن‌ها با انسان تعامل می‌کند. مکالمه واقعی و زنده حس کاربری بسیار خوبی را به شما منتقل می‌کند. پاسخگویی به زبان‌های مختلف، حفظ حریم شخصی، سفارشی‌سازی مکالمه و تغییر صدای دستیار صوتی چت جی پی تی از ویژگی‌های حائز اهمیت آن است.

پس از امکان تعامل صوتی با هوش مصنوعی و تکنولوژی چت جی پی تی، آیا نسخه چت جی پی تی تصویری هم ساخته می‌شود؟