জেমিনি লাইভ: ফোনে রোবটের কথা শেষ হওয়ার অপেক্ষা না করে সত্যিকারের কথোপকথন

ভাবুন তো, আপনি সকালে অফিসে যাওয়ার পথে হাঁটছেন। হাতে ব্যাগ, কানে হেডফোন নেই। শুধু ফোনটা পকেটে। হঠাৎ মনে পড়ল, আজ বিকেলে অফিসের মিটিংয়ে আপনাকে পাঁচ মিনিটের একটি বক্তব্য দিতে হবে। বাসায় ফিরে লিখে প্র্যাকটিস করার সময় নেই। তখন আপনি ফোন বের করে জেমিনি অ্যাপ খুললেন, ভয়েস বাটনে চাপ দিলেন, আর মুখে বললেন, “আমাকে একটা ছোট বক্তব্য তৈরি করে দাও, যেটা দিয়ে আমি সহকর্মীদের ধন্যবাদ জানাতে পারব।”

এআই উত্তর দিতে শুরু করল। কিন্তু মাঝপথে আপনি থামিয়ে দিলেন, “না, এটা একটু বেশি আনুষ্ঠানিক হয়ে যাচ্ছে। সহজ ভাষায় বলো।” এআই সাথে সাথে থেমে গেল, নতুন করে শুরু করল। এই যে মাঝপথে কথা কেটে দেওয়ার সুবিধা, সেটাই জেমিনি লাইভকে সাধারণ ভয়েস অ্যাসিস্ট্যান্ট থেকে আলাদা করে।

সাধারণ ভয়েস অ্যাসিস্ট্যান্টের সাথে পার্থক্য কোথায়

আপনি হয়তো ফোনে “ওকে গুগল” বলে অভ্যস্ত। সেখানে একবার প্রশ্ন করলে একটি উত্তর আসে, তারপর আবার নতুন করে ডাকতে হয়। জেমিনি লাইভ সেভাবে কাজ করে না। এখানে কথোপকথন চলতে থাকে, যেমনটা দুই বন্ধুর মধ্যে ফোনালাপ চলে। আপনি বললেন, এআই শুনল, উত্তর দিল, আপনি আবার বললেন, এআই আবার শুনল। এই পুরো চক্রটাই চলে একটানা, আলাদা করে কিছু চাপতে হয় না।

এর পেছনে কাজ করে কয়েকটি ধাপ। প্রথমে আপনার ফোনের মাইক্রোফোন আপনার কণ্ঠ ধরে নেয়। এরপর সেটি লেখায় রূপান্তরিত হয়, যাকে বলা হয় বাক্ শনাক্তকরণ (স্পিচ রিকগনিশন)। এরপর এআই বুঝে নেয় আপনি কী চাইছেন, আর সেই অনুযায়ী উত্তর তৈরি করে। সবশেষে সেই উত্তর স্বাভাবিক কণ্ঠে ফিরে আসে আপনার কানে। পুরো প্রক্রিয়াটি এত দ্রুত হয় যে মাঝখানে বিরতি টের পাওয়া যায় না।

কেন মাঝপথে থামানো যায়

সাধারণ রেকর্ড করা অডিওতে আপনি কথা বললে সেটি থামে না। কিন্তু জেমিনি লাইভ চালু থাকে দুই দিকেই। আপনি যখন কথা বলেন, এআই সেটি শুনে বুঝে নেয়, আর তখনই নিজের উত্তর থামিয়ে দেয়। এটাকে বলা হয় ধারাবাহিক ভয়েস কথোপকথন। ফলে আপনি চাইলে এআইয়ের বাক্যের মাঝখানেই ঢুকে পড়তে পারেন, ঠিক যেমনটা করতেন কোনো বন্ধুর সাথে তর্ক করার সময়।

এই সুবিধাটি বিশেষভাবে কাজে লাগে যখন আপনি কোনো বিষয় নিয়ে ভাবছেন এবং ধাপে ধাপে এগোতে চান। যেমন ধরুন, আপনি একটি চাকরির ইন্টারভিউয়ের প্রস্তুতি নিচ্ছেন। এআই আপনাকে একটি সম্ভাব্য প্রশ্ন করল। আপনি উত্তর দিলেন। এআই বলল, “এখানে আরেকটু উদাহরণ যোগ করলে ভালো হয়।” আপনি সাথে সাথে বললেন, “কী ধরনের উদাহরণ?” এআই তখন পরামর্শ দিল। এই পুরো আলোচনা চলল একটানা, কোনো বাটন চাপা ছাড়াই।

ফোনে কোথায় কোথায় কাজে লাগে

• পড়াশোনার প্রস্তুতি: পরীক্ষার আগে নিজের বোঝাপড়া যাচাই করতে এআইয়ের সাথে প্রশ্নোত্তর চালানো যায়, যেমন কোনো বন্ধুর সাথে রিভিশন করা।
• বক্তৃতা বা প্রেজেন্টেশনের প্র্যাকটিস: হাঁটতে হাঁটতে বা ঘরে বসে নিজের বক্তব্য বলে যাচাই করা যায় কোথায় থেমে যাচ্ছেন বা কোথায় জড়িয়ে যাচ্ছেন।
• কাজের পরিকল্পনা: কোনো প্রকল্পের ধাপগুলো নিয়ে এআইয়ের সাথে আলোচনা করা যায়, যেন একজন সহকর্মীর সাথে খসড়া মেলানো হচ্ছে।
• ভাষা চর্চা: নতুন ভাষা শিখছেন? এআইয়ের সাথে সেই ভাষায় কথা বলে উচ্চারণ ও বাক্যগঠন অভ্যাস করা যায়।

ব্যবহার করতে কী লাগে

জেমিনি অ্যাপটি অ্যান্ড্রয়েড ও আইফোন দুই জায়গাতেই পাওয়া যায়। অ্যাপটি খুলে ভয়েস বাটনে চাপ দিলেই কথোপকথন শুরু করা যায়। কোনো টাকা লাগে না, কোনো সাবস্ক্রিপশনও নয়। ইন্টারনেট সংযোগ থাকলেই চলবে। তবে একটি বিষয় মাথায় রাখা ভালো, ফোনের মাইক্রোফোন যত পরিষ্কার শব্দ ধরবে, এআই তত ভালো বুঝবে। তাই খুব কোলাহলপূর্ণ জায়গায় ব্যবহার করলে ভুল বোঝাবুঝি হতে পারে।

আরেকটি বিষয় হলো, এআই কখনো কখনো ভুল তথ্য দিতে পারে। বিশেষ করে কোনো সংখ্যা, তারিখ বা নির্দিষ্ট তথ্যের প্রশ্নে এআই আত্মবিশ্বাসের সাথে ভুল উত্তর দিতে পারে। তাই গুরুত্বপূর্ণ কোনো বিষয়ে সিদ্ধান্ত নেওয়ার আগে অন্য নির্ভরযোগ্য সূত্র থেকে যাচাই করে নেওয়া জরুরি। এআই আপনার সহকারী, চূড়ান্ত বিচারক নয়।

তবে দৈনন্দিন ছোট ছোট কাজে, ভাবনা গুছিয়ে নিতে, প্র্যাকটিস করতে বা নতুন কিছু শিখতে জেমিনি লাইভ বেশ কাজের সঙ্গী হতে পারে। বিশেষ করে যখন দুই হাত ব্যস্ত, তখন মুখে বলে এআইয়ের সাথে আলোচনা চালিয়ে যাওয়ার সুবিধাটা সত্যিই আলাদা।