16 अक्टूबर को OpenAI ने घोषणा की कि Prompt-to-voice अपने सभी API क्लाइंट के लिए उपलब्ध है। यह क्षमता आपको पाठ का उपयोग करके एक आवाज का वर्णन करने, इसे API या Voice Playground के माध्यम से बनाने और इसे GPT-Live कॉल में उपयोग के लिए सहेजना अनुमति देता है। कंपनी के अनुसार, एक वर्णन से एक आवाज़ बनाने के लिए मुफ्त है, जबकि इसके साथ भाषण उत्पन्न करने के लिए नियमित GPT-Live सत्र दरों पर बिल किया जाता है।
यह अंतर विकासकर्ताओं के लिए एक आवाज इंटरफेस बनाने के लिए महत्वपूर्ण है। मुक्त आवाज निर्माण का मतलब यह नहीं है कि एक पूरी आवाज सेवा बिना किसी लागत के संचालित होती है। इसकी लागत बाद में उपयोग और उस प्रणाली की स्थिति पर निर्भर करती है जिससे ध्वनि जुड़ी है। इस घोषणा में कॉल दरों में कमी की घोषणा नहीं की जाती है, और इसलिए प्रति उपयोगकर्ता या बजट पूर्वानुमान की कीमत को अद्यतन करने के लिए कोई आधार नहीं है, बिना अपेक्षित उपयोग की जांच किए।
क्या बनाया जा सकता है, और कौन सी प्रणालियों का उपयोग करना है
दस्तावेज़ों के अनुसार, आवाज़ की ऊँचाई, गति, लहजे और प्रस्तुति की शैली जैसी विशेषताओं का वर्णन किया जा सकता है। इस मार्ग में, एक नमूना या रिकॉर्ड सहमति रिकॉर्ड करने की कोई आवश्यकता नहीं है, क्योंकि ध्वनि वर्णन से बनाई जाती है। यह एक व्यक्ति के रिकॉर्डिंग पर आधारित एक आवाज बनाने से अलग एक रास्ता है। OpenAI बताती है कि ये आवाज़ें GPT-Live के लिए हैं और इस प्रक्रिया में Text to Speech, Realtime या ऑडियो वाले Chat Completions में समर्थित नहीं हैं।
दस्तावेज़ ज़िम्मेदार उपयोग और श्रोताओं को स्पष्ट रूप से बताने की माँग करते हैं कि बोली AI से उत्पन्न हुई है। यह कंपनी नक़ल को प्रतिबंधित करती है और इस कार्यप्रवाह को वयस्कों की आवाज़ों तक सीमित करती है। यह भी ध्यान दिया जाता है कि आवाज अद्वितीय होने की गारंटी नहीं है और अन्य उपयोगकर्ताओं को एक समान परिणाम मिल सकता है। इसलिए यह नहीं माना जाना चाहिए कि उसकी रचना स्वयं एक ब्रांड के लिए एक विशेष स्वर पहचान प्रदान करती है या किसी विशेष व्यक्ति की नकल करने का अधिकार है।
एक उत्पाद में शामिल करने से पहले फिट कैसे परीक्षण करें
एक प्रारंभिक जांच में उन वाक्यों को शामिल किया जा सकता है जिन्हें उत्पाद वास्तव में कहने के लिए आवश्यक है: नाम, संख्याएं, निर्देश और भाषाओं के बीच संक्रमण। जाँचना उपयोगी होगा कि उच्चारण समझ में आता है या नहीं और बोलने की गति संदर्भ के अनुकूल है या नहीं। यह घोषणा इज़राइल में विशिष्ट हिब्रू समर्थन या एकरूप उपलब्धता की गारंटी नहीं देता है, और इसलिए वास्तविक व्यवहार की जांच की जानी चाहिए, न कि सामान्य रिलीज या हिब्रू में एक विवरण लिखने की संभावना से निष्कर्ष निकाला जाना चाहिए।
उत्पाद टीमों को एक वैकल्पिक भी रखना चाहिए जब एक आवाज अयोग्य हो और परिभाषित करना चाहिए कि कौन तैनाती से पहले संवेदनशील शब्दावली को जांचता है। एक प्रतिनिधि परिदृश्य के साथ एक छोटा प्रयोग उन समस्याओं को प्रकट कर सकता है जो प्रदर्शन वाक्य में प्रमुख नहीं हैं। इसका उद्देश्य यह सुनिश्चित करना है कि आवाज कार्य की सेवा करती है, उपयोगकर्ता इसकी उत्पत्ति को समझते हैं और लागतों को मापा जाता है जहां वास्तव में भाषण उत्पन्न होता है।
परीक्षण में पूर्ण संदर्भ में सुनना भी शामिल होना चाहिए जहां आवाज का उपयोग किया जाएगा और यह सुनिश्चित करना चाहिए कि सिंथेटिक-ध्वनि खुलासा वहां दिखाई दे जहां श्रोताओं को इसका सामना करना पड़ता है। एक अच्छा उदाहरण अपने आप में पूरे उपयोग के मामले का परीक्षण नहीं है।