اوپن‌ای‌آی تمرکز بر قابلیت صوتی و پشتیبانی چندزبانه را برای تطبیق ChatGPT با هند افزایش می‌دهد
اوپن‌ای‌آی برای تطبیق ChatGPT با الگوهای استفاده کاربران در هند، یکی از بزرگ‌ترین بازارهای خود، تمرکز بیشتری بر قابلیت‌های صوتی، پشتیبانی چندزبانه و تولید تصویر گذاشته است؛ یکی از مدیران ارشد این شرکت به مانی‌کنترل گفت.
«هند آن‌قدر بازار راهبردی و مهمی است که می‌خواهیم مطمئن شویم مردم می‌توانند به هوش دسترسی داشته باشند. صرفاً ساخت محصولات توانمند کافی نیست؛ می‌خواهیم استفاده از آنها نیز آسان و کاربردی باشد.» ویجای راجی، مدیر ارشد فناوری بخش اپلیکیشن‌های اوپن‌ای‌آی، در آستانه رویداد DevDay India این شرکت در بنگلور به مانی‌کنترل گفت.
راجی که اصالتاً اهل پودوچری است، یکی از شمار فزاینده مدیران فناوری هندی‌تبار در این شرکت، که در مسیر عرضه اولیه سهام قرار دارد، محسوب می‌شود. او پس از خرید استارتاپ Statsig توسط اوپن‌ای‌آی، در سپتامبر ۲۰۲۵ به این شرکت پیوست. از دیگر مدیران برجسته می‌توان به اودای رودداراجو، مدیر عملیات زیرساخت و رایانش اوپن‌ای‌آی، و اروین‌دی کی‌سی، مدیر ارشد منابع انسانی این شرکت، اشاره کرد.
صوت؛ یکی از حوزه‌های اصلی تمرکز
راجی گفت قابلیت‌های صوتی با توجه به اینکه هند بازاری متکی بر صوت است، یکی از حوزه‌های اصلی تمرکز اوپن‌ای‌آی به شمار می‌رود. این شرکت در تلاش است عملکرد ChatGPT را در تعاملات صوتی بهبود دهد؛ از جمله در مکالماتی که کاربر در یک جلسه، میان انگلیسی و هندی جابه‌جا می‌شود.
او گفت: «می‌خواهیم مدل بتواند این موضوع را درک کند و متناسب با آن پاسخ دهد. مردم از پیام‌های صوتی استفاده می‌کنند و ما در این زمینه چیزهای زیادی یاد می‌گیریم. می‌خواهیم مطمئن شویم که این قابلیت‌ها را به‌درستی می‌سازیم.»
اوپن‌ای‌آی در ۱۵ اکتبر GPT-Live-1.1 را عرضه کرد؛ نسخه جدیدی از مدل صوتی این شرکت که تلفظ را بهبود می‌دهد و ۱۳ صدای جدید به آن اضافه می‌کند، از جمله دو صدای جدید هندی با نام‌های «نیر» (Neer) و «لهر» (Leher). فرانسوی، آلمانی، اسپانیایی مکزیکی، کره‌ای و ژاپنی از دیگر زبان‌های تحت پوشش این صداهای جدید هستند.
GPT-Live که نخستین‌بار در ژوئیه معرفی شد، خانواده جدیدی از مدل‌های صوتی است که برای طبیعی‌تر کردن تعامل میان انسان و هوش مصنوعی طراحی شده و در حال حاضر نیروی محرک قابلیت ChatGPT Voice است. عرضه GPT-Live-1.1 برای همه کاربران ChatGPT در حال انجام است و این مدل به‌زودی از طریق API در اختیار توسعه‌دهندگان نیز قرار خواهد گرفت.
راجی گفت: «این یک مدل تنظیم‌شده برای زبان هندی است. امروز می‌توانید به هر زبان هندی با آن مکالمه کنید، اما این مدل طبیعی‌تر به نظر می‌رسد؛ بیشتر شبیه یک گفت‌وگوی واقعی است.»
او همچنین اشاره کرد که هند یکی از کاربران «نسبتاً بزرگ» ابزار تولید تصویر اوپن‌ای‌آی، یعنی ImageGen، است.
راجی گفت: «ما در ImageGen پیشرفت بسیار زیادی داشته‌ایم. این ابزار اخیراً سریع‌تر و کارآمدتر شده و واقعاً می‌تواند تصاویر گویاتری تولید کند.» او افزود: «ما سرمایه‌گذاری قابل‌توجهی روی تجربه‌های چندوجهی انجام می‌دهیم.»
یکی دیگر از قابلیت‌های جدید ChatGPT، تولید رابط‌های کاربری تعاملی در پاسخ به پرسش‌های کاربران است؛ به‌جای اینکه پاسخ صرفاً به شکل متن ارائه شود. به گفته راجی، این قابلیت همچنین خود را با زبانی که کاربر سؤال را به آن مطرح می‌کند، تطبیق می‌دهد.
او گفت: «یکی از چیزهایی که می‌خواستم بررسی کنم این است که یک تجربه محصول متمایز برای هند چه شکلی خواهد داشت. چگونه می‌توانیم محصولاتمان را حتی زمانی که اتصال اینترنت ناپایدار است، قابل‌اعتماد نگه داریم؟»
راجی افزود اوپن‌ای‌آی می‌خواهد تجربه‌های بومی اندروید را در محصولات خود ایجاد کند، زیرا هند بازاری مبتنی بر اندروید است؛ در حالی که در آمریکا، سیستم‌عامل iOS حضور پررنگ‌تری دارد.