ChatGPT-এর অ্যাডভান্সড ভয়েস মোড: হাসি, থামা আর আঞ্চলিক টানে মানুষ চেনে কীভাবে?

ভাবুন তো, আপনি ফোন হাতে বসে ChatGPT-কে বলছেন, ‘আজ একটু গল্প শোনাও।’ আপনি কথা শেষ করার আগেই সে বুঝে নিল আপনার কণ্ঠে কৌতূহল আছে। আপনি মাঝপথে হেসে ফেললেন, আর সে সঙ্গে সঙ্গে থেমে গেল। আবার আপনি ঢাকার টানে বললেন, ‘একটু জোরে বলো তো,’ সে সুর বদলে ফেলল। এটাই অ্যাডভান্সড ভয়েস মোডের মজা।

শব্দ থেকে শব্দ, মাঝখানে লেখার ঝামেলা নেই

সাধারণ ভয়েস অ্যাসিস্ট্যান্টে যা হয়, তা হলো আপনার কথা প্রথমে লেখায় রূপান্তরিত হয়, তারপর সেই লেখা পড়ে উত্তর তৈরি হয়, শেষে সেটি আবার শব্দে ফেরানো হয়। এই তিন ধাপে সুর, হাসি আর থামার সূক্ষ্ম ছাপ হারিয়ে যায়। অ্যাডভান্সড ভয়েস মোড ভিন্ন পথ নেয়। এটি সরাসরি শব্দ থেকেই শব্দ বোঝে ও তৈরি করে। ফলে আপনার কণ্ঠের ওঠানামা, গতি আর আবেগ একসঙ্গেই ধরা পড়ে।

এই সরাসরি পদ্ধতির কারণেই মাঝপথে কথা বলা যায়। আপনি যখন কথা বলতে শুরু করেন, তখন অ্যাসিস্ট্যান্ট সঙ্গে সঙ্গে চুপ করে শোনে। এটাকে বলা হয় তাৎক্ষণিক বাধা দেওয়ার ক্ষমতা। ফলে কথোপকথন আর একতরফা নির্দেশের মতো লাগে না, বরং দুই জনের আলাপের মতো হয়।

হাসি, থামা আর আঞ্চলিক টান কীভাবে ধরা পড়ে

মানুষের কথায় শুধু শব্দ থাকে না, থাকে ফাঁক। কেউ ভাবতে গিয়ে থেমে যায়, কেউ বিরক্ত হয়ে দীর্ঘশ্বাস ফেলে, কেউ আবার গল্প বলার ঢঙে সুর নামায়-ওঠায়। অ্যাডভান্সড ভয়েস মোড এই ধরনের সূক্ষ্ম সংকেত ধরার চেষ্টা করে। তাই আপনি যখন রসিকতা করেন, তখন সে হালকা সুরে সাড়া দিতে পারে। আবার আপনি যখন সিরিয়াস বিষয়ে বলছেন, তখন তার সুরও গম্ভীর হয়ে যায়।

আঞ্চলিক উচ্চারণভঙ্গির ক্ষেত্রেও উন্নতি আছে। বিভিন্ন অঞ্চলের টান, শব্দ উচ্চারণের নিজস্ব ঢং—এগুলো আগের চেয়ে ভালোভাবে বোঝা যায়। তবে এটি নিখুঁত নয়। খুব দ্রুত কথা বলা, পেছনে জোরে শব্দ বা খুব হালকা কণ্ঠে বলা হলে ভুল হতে পারে।

ব্যবহার শুরু করবেন যেভাবে

অ্যাডভান্সড ভয়েস মোড ব্যবহার করতে হলে অফিসিয়াল ChatGPT অ্যাপ খুলুন। অ্যাপের নিচের ডান কোণে তরঙ্গের মতো একটি আইকন দেখবেন। সেটিতে চাপ দিলেই কথা বলার সুবিধা চালু হয়। বিনামূল্যের অ্যাকাউন্টে সীমিত সংখ্যক ব্যবহার করা যায়, আর পেইড প্ল্যানে প্রতিদিন বেশি ব্যবহারের সুযোগ মেলে।

• ফোন বা কম্পিউটারে ChatGPT অ্যাপ খুলুন এবং নিচের ডান কোণে তরঙ্গের আইকনে চাপ দিন।
• কথা বলার সময় স্বাভাবিক থাকুন—জোর করে স্পষ্ট করতে যাবেন না, থামুন, হাসুন, সুর বদলান।
• উত্তর পছন্দ না হলে মাঝপথে কথা বলে থামিয়ে দিন, তারপর নতুন করে বলুন।
• গোপনীয়তা নিয়ে ভাবলে অ্যাপের সেটিংসে ভয়েস ডেটা সংরক্ষণ বন্ধ রাখার বিকল্প দেখে নিন।

যেখানে এখনো সীমা আছে

এই মোড গান গাইতে বা পরিচিত কোনো ব্যক্তির কণ্ঠ নকল করতে পারে না। নিরাপত্তার নিয়মেই এমন সীমা রাখা হয়েছে। এছাড়া খুব শব্দযুক্ত পরিবেশে বা খুব দ্রুত কথা বললে ভুল বোঝাবুঝি হতে পারে। আবার কখনো কখনো সে উত্তর দিতে দেরি করতে পারে, বিশেষ করে ইন্টারনেট ধীর হলে।

তবুও, যারা প্রতিদিন ফোনে কথা বলে কাজ করেন, ভাষা শিখতে চান বা চোখের ঝামেলা ছাড়া কম্পিউটার ব্যবহার করতে চান, তাদের জন্য এটি বড় স্বস্তির। কারণ এবার মেশিন আপনার কথার শব্দ শোনে, শুধু লেখা পড়ে না।