विषय-सूची

8 जुलाई 2026 को OpenAI ने ChatGPT की आवाज़ को नया रूप देने वाला नया मॉडल "GPT-Live" पूरी दुनिया में रिलीज़ किया (OpenAI की आधिकारिक घोषणा)। अगले दिन 9 जुलाई को GPT-5.6 के आम उपलब्ध होने से पहले की गई इस घोषणा की सबसे बड़ी खासियत है "सुनते हुए, साथ-साथ बोल सकने वाली" फुल-डुप्लेक्स आर्किटेक्चर।

अब तक की AI आवाज़ "आपका बोलना खत्म होने का इंतज़ार करके जवाब देती थी"——यानी टर्न-आधारित थी। GPT-Live इंसानी बातचीत की तरह हुंकारा भरता है, बीच में रोकने को संभालता है, और जब आप सोचते हुए चुप होते हैं तो बीच में नहीं टोकता। इस लेख में हम आधिकारिक घोषणा के आधार पर समझाएँगे कि GPT-Live क्या है, पुराने Advanced Voice Mode से यह कैसे अलग है, यह कैसे काम करता है, किस प्लान में उपलब्ध है, और अभी क्या-क्या नहीं कर सकता।

FULL-DUPLEX VOICE · 2026

टर्न-प्रणाली का अंत

— सुनते हुए बोलना, इंसानों जैसी बातचीत की ओर

फुल-डुप्लेक्स
सुनना + बोलना एक साथ
हुंकारा · रुकावट OK
<250ms
रिस्पॉन्स लेटेंसी
लगभग तुरंत
2 मॉडल
Live-1 / Live-1 mini
Free में भी mini मिलता है
GPT-5.5
गहरा तर्क पर्दे के पीछे सौंपता है
सर्च · जटिल प्रोसेसिंग संभालता है

1. GPT-Live क्या है——"सुनते हुए बोलने वाला" फुल-डुप्लेक्स वॉइस

GPT-Live, ChatGPT की वॉइस बातचीत को संभालने वाली नई वॉइस मॉडल श्रृंखला है। पुराने वॉइस फ़ीचर (Advanced Voice Mode) की जगह लेते हुए, यह 8 जुलाई 2026 से ChatGPT के iOS · Android · Web पर पूरी दुनिया में उपलब्ध कराया गया।

इसका मूल "फुल-डुप्लेक्स" डिज़ाइन में है। फोन की तरह यह इनपुट (आपकी आवाज़) को प्रोसेस करते हुए, साथ-साथ आउटपुट (AI की आवाज़) भी बनाता रहता है। इसीलिए——

  • आपके बोलते समय ही, यह "हाँ-हाँ", "अच्छा" जैसा हुंकारा भर सकता है
  • AI के बोलते समय आप बीच में टोकें, तो भी वह ध्यान से सुनकर दिशा बदल देता है
  • आप सोचते हुए चुप हो जाएँ, तो वह इसे "बात खत्म" समझकर बीच में नहीं टोकता

संक्षेप में, GPT-Live "बारी के इंतज़ार" के बिना रीयल-टाइम बातचीत को साकार करता है।

2. पुराने Advanced Voice Mode से क्या अलग है

अब तक की AI आवाज़ (Advanced Voice Mode) टर्न-आधारित (हाफ-डुप्लेक्स) थी। अपनी बनावट के कारण इसमें ये कमज़ोरियाँ थीं।

पहलूपुराना: Advanced Voice Modeनया: GPT-Live
मूल तरीकाटर्न-आधारित (हाफ-डुप्लेक्स)——बोलना खत्म होने का इंतज़ारफुल-डुप्लेक्स——सुनते हुए साथ-साथ बोलना
बोलना खत्म होने का पताखामोशी (मौन) के आधार परआवाज़ के लहजे · साँस के बदलाव से पहचान
सोचने वाली खामोशी"खत्म हो गया" समझकर बीच में टोक देता हैबिना टोके इंतज़ार कर सकता है
हुंकाराबुनियादी तौर पर नहीं"mhmm", "yeah" आदि भरता है
रुकावटकभी-कभी अटपटे तरीके से कट जाता हैसंभालकर तालमेल बिठाता है
फैसले की बारंबारताप्रति-टर्नहर सेकंड कई बार (बोलना/सुनना/ठहरना/टोकना/टूल कॉल)

OpenAI के अनुसार, 5–10 मिनट की एक जैसी परिस्थितियों वाली बातचीत का इंसानों द्वारा मूल्यांकन करने पर, GPT-Live-1 और GPT-Live-1 mini दोनों को Advanced Voice Mode की तुलना में स्पष्ट रूप से अधिक पसंद किया गया। इसके अलावा GPQA (विशेषज्ञ वैज्ञानिक तर्क) · BrowseComp (एजेंटिक वेब सर्च) · कस्टमर सपोर्ट संबंधी कार्यों में भी सुधार दर्ज किया गया है।

3. यह कैसे काम करता है——हर सेकंड का फैसला और GPT-5.5 को सौंपना

GPT-Live वॉइस इनपुट को लगातार प्रोसेस करते हुए वॉइस आउटपुट बनाता है, और हर सेकंड कई बार "अब क्या करना है" का फैसला करता है——बोलना है, सुनते रहना है, ठहरना है, टोकना है, या टूल बुलाना है। यह उच्च-बारंबारता वाला निर्णय ही इंसानों जैसी लय पैदा करता है।

एक और अहम डिज़ाइन यह है कि "गहरी प्रोसेसिंग पर्दे के पीछे वाले मॉडल को सौंप दी जाती है"। बातचीत की तत्परता GPT-Live संभालता है, और जब वेब सर्च · गहरा तर्क · जटिल काम ज़रूरी हो, तो पर्दे के पीछे किसी बड़े मॉडल (लॉन्च के समय GPT-5.5) को काम सौंप देता है, और नतीजा आने पर बातचीत में लौट आता है। यह बातचीत को बिना टूटे "सोचने" के साथ जोड़े रखने वाली व्यवस्था है।

तर्क की गहराई को Instant (GPT-5.5 Instant) / Medium / High (GPT-5.5 Thinking) में से चुना जा सकता है। हल्की गपशप के लिए तत्परता वाला Instant, और उलझे हुए विषयों के लिए Thinking——इस तरह ज़रूरत के हिसाब से बदला जा सकता है।

4. दो मॉडल और प्लान के अनुसार उपलब्धता

प्लानडिफ़ॉल्ट वॉइस मॉडल
Free (मुफ़्त)GPT-Live-1 mini
Go / Plus / ProGPT-Live-1

खास बात यह है कि मुफ़्त प्लान में भी mini संस्करण का GPT-Live मिलता है। फुल-डुप्लेक्स की स्वाभाविक बातचीत सिर्फ़ भुगतान वालों तक सीमित नहीं है। बेहतर गुणवत्ता वाली बातचीत या तर्क चाहिए, तो Go/Plus/Pro में GPT-Live-1 डिफ़ॉल्ट होता है। यह ChatGPT के iOS · Android · ChatGPT.com पर, पूरी दुनिया में चरणबद्ध रूप से उपलब्ध कराया गया।

5. मुख्य सुधार

🗣️ हुंकारा (बैकचैनल)

आपके बोलते समय "हाँ-हाँ" जैसी प्रतिक्रिया। यह एहसास होता है कि वह सुन रहा है।

⏱️ लेटेंसी <250ms

जवाब लगभग तुरंत। लय इंसानी बातचीत के करीब पहुँचती है।

✋ रुकावट के साथ चलना

बात के बीच में टोकें, तो भी सुनकर सामग्री को नए सिरे से दिशा देता है।

🤫 खामोशी में नहीं टोकता

सोचने के ठहराव को "बात खत्म" गलत नहीं समझता, बल्कि इंतज़ार करता है।

6. फिलहाल की सीमाएँ——ईमानदारी से समझ लें

उम्मीदें अक्सर हकीकत से आगे निकल जाती हैं, इसलिए लॉन्च के समय जो नहीं हो सकता, उसे भी ईमानदारी से समझ लेना ज़रूरी है।

  • 🟡 वीडियो · स्क्रीन शेयर समर्थित नहीं: लॉन्च के समय यह आवाज़ पर केंद्रित है; वीडियो इनपुट या स्क्रीन शेयर शामिल नहीं।
  • 🟡 पूर्ण बहुभाषी समर्थन अभी बाकी है: सभी भाषाओं में एक जैसी गुणवत्ता अभी नहीं पहुँची है (full multilingual parity अधूरी है)।
  • 🟡 API उपलब्ध नहीं: डेवलपर्स के लिए API "जल्द आने वाला" है; इस लेख के समय अप्रकाशित और कीमत घोषित नहीं (विवरण अध्याय 8 में)।
  • 🟡 चरणबद्ध रोलआउट जारी: सभी उपयोगकर्ताओं तक पहुँचने में समय का अंतर हो सकता है।

ये आगे के अपडेट में बढ़ने की उम्मीद है, पर "वीडियो और स्क्रीन भी अभी-अभी" वाली बात नहीं है——यह समझ लेना अच्छा रहेगा।

7. कहाँ उपयोगी है

  • हैंड्स-फ्री सलाह · विचार-मंथन: चलते-फिरते या काम करते हुए, अपने विचारों को बोलकर व्यवस्थित करना। खामोशी में टोका नहीं जाता, इसलिए सोच की कड़ी टूटती नहीं।
  • भाषा की बातचीत अभ्यास: हुंकारा और स्वाभाविक रुकावट होने से, असली बातचीत के करीब अभ्यास हो पाता है।
  • आवाज़ से जानकारी जुटाना · सारांश: गहरी सर्च पर्दे के पीछे GPT-5.5 को सौंपी जाती है, इसलिए बातचीत करते हुए खोजबीन आगे बढ़ाई जा सकती है।
  • सुगम्यता (एक्सेसिबिलिटी): जहाँ टाइप करना मुश्किल हो, वहाँ अच्छी लय वाला वॉइस इंटरफ़ेस काम आता है।

8. API की स्थिति और GPT-Realtime से अंतर

GPT-Live का API इस लेख के समय उपलब्ध नहीं है ("जल्द आने वाला", कीमत घोषित नहीं)। डेवलपर्स और कंपनियों को सूचना के लिए रजिस्टर करके इंतज़ार करना होगा। "अपने ऐप में अभी-अभी फुल-डुप्लेक्स वॉइस जोड़ना" अभी संभव नहीं——इसका ध्यान रखें।

भ्रम से बचने के लिए स्पष्ट कर दें: डेवलपर्स जो लो-लेटेंसी वॉइस अभी API में उपयोग कर सकते हैं, वह GPT-Live से अलग GPT-Realtime-2.1 / GPT-Realtime-2.1 mini (6 जुलाई 2026 को उपलब्ध) है। GPT-Live = ChatGPT पर उपभोक्ता के लिए फुल-डुप्लेक्स वॉइस, और GPT-Realtime = API के लिए वॉइस एजेंट का आधार——इस तरह भूमिकाएँ बँटी हुई हैं। अगर आप अभी वॉइस एजेंट विकसित करना चाहते हैं, तो GPT-Realtime श्रृंखला देखें।

सारांश

  • GPT-Live, ChatGPT की आवाज़ को "टर्न-प्रणाली" से फुल-डुप्लेक्स (सुनते हुए बोलना) में बदलने वाला नया मॉडल है (8 जुलाई 2026, पूरी दुनिया में)।
  • हुंकारा · रुकावट · खामोशी को सहना और लेटेंसी <250ms के साथ, इंसानों के करीब की बातचीत लय साकार करता है। Advanced Voice Mode की तुलना में स्पष्ट रूप से अधिक पसंद किया गया।
  • बातचीत की तत्परता GPT-Live संभालता है, और गहरा तर्क · सर्च पर्दे के पीछे GPT-5.5 को सौंपता है (Instant/Medium/High में गहराई चुनें)।
  • Free में GPT-Live-1 mini, Go/Plus/Pro में GPT-Live-1 डिफ़ॉल्ट। ChatGPT के iOS/Android/Web पर उपलब्ध।
  • फिलहाल की सीमाएँ: वीडियो · स्क्रीन शेयर समर्थित नहीं, पूर्ण बहुभाषी समर्थन अधूरा, API उपलब्ध नहीं। API के लिए अलग से GPT-Realtime-2.1 उपलब्ध है।

FAQ

Q1. क्या GPT-Live मुफ़्त में भी उपयोग कर सकते हैं?

कर सकते हैं। मुफ़्त प्लान में GPT-Live-1 mini डिफ़ॉल्ट वॉइस मॉडल होता है। Go/Plus/Pro में ऊपरी GPT-Live-1 डिफ़ॉल्ट है। ChatGPT के iOS · Android · Web पर उपलब्ध है (चरणबद्ध रोलआउट)।

Q2. "फुल-डुप्लेक्स" ठीक-ठीक क्या है?

यह फोन की तरह सुनने और बोलने को एक साथ करने वाला तरीका है। पुरानी टर्न-प्रणाली (आपका बोलना खत्म होने का इंतज़ार करके जवाब) से अलग, यह बोलते समय हुंकारा भर सकता है, रुकावट को संभाल सकता है, और आपकी सोचने वाली खामोशी में बिना टोके इंतज़ार कर सकता है।

Q3. पुराने Advanced Voice Mode से सबसे बड़ा अंतर क्या है?

बोलना खत्म होने का पता लगाने का तरीका। पहले यह खामोशी (मौन) के आधार पर होता था, इसलिए सोचने के ठहराव को "खत्म हो गया" समझकर बीच में टोक देता था। GPT-Live आवाज़ के लहजे और साँस के बदलाव से पहचानता है, और हर सेकंड कई बार फैसला लेता है, इसलिए यह कम टोकता है और अधिक स्वाभाविक है। इंसानी मूल्यांकन में भी इसे स्पष्ट रूप से अधिक पसंद किया गया।

Q4. क्या यह मुश्किल सवालों के भी जवाब दे सकता है?

दे सकता है। बातचीत की तत्परता GPT-Live संभालता है, और जहाँ वेब सर्च या गहरे तर्क की ज़रूरत हो, वहाँ पर्दे के पीछे GPT-5.5 को प्रोसेसिंग सौंपकर नतीजा बातचीत में लौटा देता है। तर्क की गहराई Instant / Medium / High में से चुनी जा सकती है।

Q5. क्या वीडियो या स्क्रीन शेयर हो सकता है?

लॉन्च के समय नहीं हो सकता। GPT-Live आवाज़ पर केंद्रित है; वीडियो · स्क्रीन शेयर · पूर्ण बहुभाषी समर्थन फिलहाल उपलब्ध नहीं। आगे के अपडेट में इनके विस्तार की उम्मीद है।

Q6. क्या इसे अपने ऐप में API से जोड़ सकते हैं?

GPT-Live का API इस लेख के समय उपलब्ध नहीं (जल्द आने वाला · कीमत घोषित नहीं) है। अगर आप अभी API से लो-लेटेंसी वॉइस लागू करना चाहते हैं, तो अलग श्रृंखला के GPT-Realtime-2.1 / mini (API के लिए वॉइस एजेंट आधार) पर विचार करें। GPT-Live उपभोक्ता के लिए, और GPT-Realtime डेवलपर के लिए——इस तरह भूमिकाएँ बँटी हुई हैं।

Q7. Google के Gemini Live की तुलना में यह कैसा है?

Gemini की भी खासियत आवाज़ · वीडियो सहित मल्टीमॉडल है, और यह लाइव बातचीत का समर्थन करता है। GPT-Live की फिलहाल की खासियत फुल-डुप्लेक्स बातचीत की स्वाभाविकता और कम लेटेंसी है, पर वीडियो · स्क्रीन शेयर अभी समर्थित नहीं होने के कारण कुछ क्षेत्रों में Gemini का पलड़ा भारी है। विस्तार के लिए GPT-5.6 vs Gemini तुलना भी देखें।

संबंधित लेख