एक वॉइस कॉल जो अपनी बारी का इंतज़ार नहीं करती

ToRun में वॉइस मोड एक वॉकी-टॉकी था। आप बोलते हैं, यह सुनता है; यह बोलता है, आपका माइक्रोफ़ोन बंद रहता है। लोग ऐसे बात नहीं करते, और हर कोई इसे क़रीब तीस सेकंड में नोटिस कर लेता है — वह पल जब आप कहना चाहते हैं "नहीं, वो वाला" और पहले किसी वाक्य के ख़त्म होने का इंतज़ार करना पड़ता है।

gpt-live-1 एक फ़ुल-डुप्लेक्स इंजन है। बोलते समय माइक्रोफ़ोन खुला रहता है। आप उसे ऐसे टोक सकते हैं जैसे किसी इंसान को टोकते हैं, और वह बोलते हुए आपको सुनता है, सिर्फ़ बाद में नहीं।

उसी कॉन्ट्रैक्ट के पीछे

यह उस रीयल-टाइम वॉइस से अलग प्रोटोकॉल है जो हमारे पास पहले से था — एक अलग एंडपॉइंट, इवेंट्स की एक अलग शब्दावली, कोई टर्न आइडेंटिफ़ायर नहीं, टर्न ख़त्म होने का कोई मार्कर नहीं। यह सब एक ही सीमा पर उन इवेंट्स में बदल जाता है जो हमारा वॉइस ब्रिज पहले से बोलता है। इसके नीचे कुछ नहीं बदलता: वही सेशन, कॉल के दौरान वही टूल्स, वही मिनट-दर-मिनट सेटलमेंट, वही दो ऐप।

एक भी लाइन लिखे जाने से पहले, एक प्रोब ने डेवलपमेंट key के साथ प्रोवाइडर के ख़िलाफ़ पूरा लूप चलाया और फ़्रेम रिकॉर्ड किए। वे रिकॉर्डिंग वे फ़िक्स्चर हैं जिनके ख़िलाफ़ ट्रांसलेशन लेयर टेस्ट की जाती है — तो जो टेस्ट होता है वह यह है कि प्रोवाइडर वाक़ई क्या भेजता है, न कि कोई डॉक्यूमेंट क्या भेजने का दावा करता है।

इको वह वजह है जिससे कोई भी इसे डिफ़ॉल्ट रूप से नहीं करता

प्लेबैक के दौरान खुला माइक्रोफ़ोन असिस्टेंट को सुनता है। सप्रेशन के बिना, यह ख़ुद को ही जवाब देता रहता है, हमेशा के लिए। इसलिए iOS पर ऑडियो सेशन वॉइस-प्रोसेसिंग प्रोफ़ाइल पर स्विच होता है, जो इको कैंसिल करती है और स्पीकरफ़ोन की तरह बर्ताव करती है; Android पर कैप्चर प्रीसेट वही काम करता है।

इसकी असली क़ीमत है, और इसीलिए यह ग्लोबल की बजाय हर मॉडल के हिसाब से तय होता है। कैटलॉग लाइन एक फ़्लैग रखती है। उस फ़्लैग वाला मॉडल माइक्रोफ़ोन खुला रखता है और सप्रेशन ऑन कर देता है; प्लैटफ़ॉर्म पर बाक़ी हर आवाज़ अपना गेट और अपनी ज़्यादा तेज़ ऑडियो प्रोफ़ाइल रखती है, ठीक पहले जैसे। यह फ़ैसला सेशन शुरू होने पर लिया जाता है, और सर्वर ने वाक़ई क्या खोला उसके आधार पर दोबारा लिया जाता है, इस स्थिति के लिए कि टियर डिफ़ॉल्ट किसी और चीज़ में बदल गया हो।

वेब पर कुछ नहीं बदला: वहाँ माइक्रोफ़ोन कभी बंद नहीं था, और ब्राउज़र पहले से ही इको कैंसिलेशन माँगता है।

अभी यह क्या नहीं है

यह फ़्री टियर में नहीं है। एक फ़्री मिनट एक ही आदान-प्रदान में ख़त्म हो जाता, और एक ऐसा अलॉटमेंट जो वाक्य के बीच में ख़त्म हो जाए वह कभी न ऑफ़र किए गए अलॉटमेंट से बुरा है।

और पहला वर्शन मोबाइल पर बड़े बदलाव की बजाय एक सुधार की तरह बर्ताव करता है, क्योंकि दोनों ऐप अपनी कुछ लॉकिंग तब तक रखते हैं जब तक डिवाइस-साइड सप्रेशन असली हार्डवेयर पर कन्फ़र्म न हो जाए। इंजन फ़ुल डुप्लेक्स है; फ़ोन इसे पकड़ रहे हैं।