LiveLingoत्वरित उत्तर: क्या GPT-Live लाइव अनुवाद कर सकता है?
हां, और यह इंटरप्रेटर की भूमिका भरोसे के साथ निभाता है, लेकिन लगातार बोली जाने वाली स्पीच पर उत्तरोत्तर पीछे रह जाता है। ChatGPT में Voice सेशन शुरू करें और कुछ ऐसा कहें: "मैं जो भी कहूं उसका साथ-साथ स्पैनिश में अनुवाद करो।" चूंकि ये मॉडल फुल-डुप्लेक्स हैं, अनुवाद आपके बोलते-बोलते ही स्ट्रीम होता है। फ्री अकाउंट्स को GPT-Live-1 mini मिलता है; पेड Go, Plus और Pro प्लान्स को GPT-Live-1। 10 सितंबर, 2026 से डेवलपर्स इसे सीधे gpt-live-1 के रूप में v1/live/sessions पर कॉल कर सकते हैं, वॉयस लेयर के लिए $0.05 प्रति मिनट और उसके ऊपर बैकएंड मॉडल के उपयोग का अलग बिल। 452-सेकंड सेशन में मापा गया इसका कंप्लीशन लैग अंग्रेज़ी-से-स्पैनिश में 5.7 सेकंड से चढ़कर 10 से 14 सेकंड के पठार पर पहुंचा, और अंग्रेज़ी-से-जापानी में इसने 30 सेकंड के भीतर केवल 17% वाक्य अनुवादित किए।
1. OpenAI ने क्या शिप किया, और सितंबर में क्या बदला
OpenAI ने बुधवार, 8 जुलाई, 2026 को ब्लॉग पोस्ट और लाइवस्ट्रीम में GPT-Live की घोषणा की (Introducing GPT-Live)। दो मॉडल शिप हुए: GPT-Live-1, पेड Go, Plus और Pro प्लान्स का नया डिफॉल्ट वॉयस मॉडल, और GPT-Live-1 mini, फ्री अकाउंट्स का नया डिफॉल्ट (MacRumors और The Decoder के अनुसार)। दोनों Advanced Voice Mode को ChatGPT Voice डिफॉल्ट के रूप में रिप्लेस करते हैं; पुराना मोड वॉयस सेटिंग्स में अब भी चुना जा सकता है।
10 सितंबर, 2026 को मॉडल OpenAI API तक पहुंच गए, जो लॉन्च के बाद का सबसे बड़ा बदलाव है। GPT-Live-1 अब gpt-live-1 के रूप में v1/live/sessions एंडपॉइंट पर कॉल किया जा सकता है, बातचीत के वॉयस लेयर के लिए $0.05 प्रति मिनट की कीमत पर, और रीज़निंग संभालने वाला बैकएंड मॉडल अलग से बिल होता है (मॉडल रेफरेंस)। तब तक अनुवाद का दावा OpenAI के डेमो और प्रेस रिपोर्ट्स पर टिका था। अब इसे सीधे मापा जा सकता है, और सेक्शन 5 ठीक यही करता है।
परिभाषित करने वाला फीचर है फुल-डुप्लेक्स ऑडियो: मॉडल बोलते हुए भी सुनी जा रही आवाज़ को प्रोसेस करता है और हर सेकंड कई बार इंटरैक्शन के निर्णय लेता है, इसलिए इसे स्वाभाविक रूप से टोका जा सकता है, आपके बोलते समय यह हुंकारा भर सकता है ("mhmm," "got it"), या आपके सोचते समय चुप रह सकता है (MarkTechPost)। वेब सर्च, गहरी रीज़निंग या एजेंटिक काम की ज़रूरत पड़ने पर GPT-Live बैकग्राउंड में GPT-5.5 को डेलिगेट करता है और नतीजा आने तक बातचीत जारी रखता है। यूज़र्स तीन रीज़निंग लेवल चुन सकते हैं (Instant, Medium, High); ऊंचे लेवल GPT-5.5 Thinking को रूट होते हैं।
OpenAI के प्रकाशित मूल्यांकन गति के बजाय क्षमता पर केंद्रित हैं: High रीज़निंग पर GPT-Live-1 GPQA पर 84.2% स्कोर करता है, जबकि Advanced Voice Mode 45.3%, और BrowseComp पर 75.2% बनाम 0.7%। ह्यूमन प्रेफरेंस टेस्टिंग में, 75.7% बातचीतों में GPT-Live-1 को Advanced Voice Mode पर वरीयता मिली, और mini को 69.2% में (The Decoder, OpenAI की घोषणा के हवाले से)। स्वतंत्र रूप से, Artificial Analysis अपने स्पीच-टू-स्पीच इंडेक्स पर GPT-Live-1 को 81.5 अंकों के साथ कुल मिलाकर दूसरे स्थान पर रखता है, पहले ऑडियो तक 1.34 सेकंड के साथ। OpenAI अब भी अनुवाद-विशिष्ट लेटेंसी आंकड़े प्रकाशित नहीं करता।
2. GPT-Live पर लाइव अनुवाद कैसे काम करता है
लाइव अनुवाद उन क्षमताओं में से एक है जिन्हें OpenAI लॉन्च सामग्री में स्पष्ट रूप से नाम देता है: फुल-डुप्लेक्स आर्किटेक्चर मॉडल को "engage in more natural back-and-forth, maintain a better sense of time, and even perform live translation" की क्षमता देता है (OpenAI की घोषणा)। प्रेस ब्रीफिंग्स में OpenAI ने डेमो दिखाया जिसमें प्रेज़ेंटर के बोलते समय मॉडल चलता हुआ अनुवाद बोल रहा था।
यह एक प्रॉम्प्ट है, मोड नहीं
कोई ट्रांसलेटर टॉगल, लैंग्वेज-पेयर पिकर या डेडिकेटेड ट्रांसलेशन UI नहीं है। आप Voice सेशन शुरू करते हैं और असिस्टेंट को निर्देश देते हैं: "मैं जो कुछ भी कह रहा हूं उसका साथ-साथ हिंदी में अनुवाद करो।" इसके बाद मॉडल आपके बोलते समय बोला हुआ अनुवाद देता रहता है, जब तक आप उसे रुकने या भाषा बदलने को नहीं कहते। यह वही प्रॉम्प्ट-इनवोक्ड पैटर्न है जो ChatGPT Voice में मई 2026 की Realtime रिलीज़ से मौजूद है; बदला है फुल-डुप्लेक्स डिलीवरी, जिससे अनुवाद आपकी बात के ऊपर ओवरलैप हो सकता है, आपकी बारी खत्म होने का इंतज़ार नहीं करता।
भूमिका टिकती है, जो अपने आप में मामूली बात नहीं
किसी कन्वर्सेशनल मॉडल को अनुवाद करने को कहने पर सबसे स्पष्ट खतरा यह है कि वह वक्ता का अनुवाद करने के बजाय उसे जवाब देने लगे। ऐसा नहीं हुआ। मापे गए परीक्षण में 27 मिनट के अनुवादित ऑडियो में, जिसमें अंग्रेज़ी-से-स्पैनिश, अंग्रेज़ी-से-जापानी और चीनी-से-अंग्रेज़ी शामिल थे, इसने एक बार भी अनुवाद की जगह वक्ता को जवाब नहीं दिया: न कोई स्पष्टीकरण मांगा, न टिप्पणी की, न वापस असिस्टेंट व्यवहार में लौटा। निर्देश-पालन वह जगह नहीं है जहां यह टूटता है।
लॉन्च डेमो में हिंदी को लेकर क्या दिखा
अनुवाद क्वालिटी का लॉन्च-वीक का इकलौता सार्वजनिक डेटापॉइंट OpenAI के अपने प्रेस डेमो से आया था, और वह इस भाषा के पाठकों के लिए सीधे प्रासंगिक है। लाइव अंग्रेज़ी-से-हिंदी अनुवाद देख रहे TechCrunch ने रिपोर्ट किया कि "the assistant had a heavy American accent and spoke in Hindi that was unnatural sounding and had slightly bookish tone", यानी असिस्टेंट के हिंदी उच्चारण में भारी अमेरिकी लहजा था और हिंदी अस्वाभाविक तथा कुछ हद तक किताबी लगी (TechCrunch)। यह अवलोकन OpenAI की अपनी घोषणा से मेल खाता है: वॉयस "most spoken languages" के लिए ऑप्टिमाइज़्ड है, और "for certain languages, the model may have a non-native accent or gaps in fluency।" OpenAI ने आज तक GPT-Live के लिए कोई सपोर्टेड-लैंग्वेज सूची प्रकाशित नहीं की है।
असिस्टेंट-फर्स्ट ट्रेड-ऑफ
GPT-Live एक सामान्य कन्वर्सेशनल असिस्टेंट है जो अनुरोध पर अनुवाद करता है, डेडिकेटेड इंटरप्रेटर नहीं, और इस बनावट का असर आज्ञापालन पर नहीं, रफ्तार पर पड़ता है। कन्वर्सेशनल मॉडल स्वाभाविक गति से बोलता है और पीछे रह जाने पर न सामग्री को संक्षिप्त करता है, न छोड़ता है। इंटरप्रिटेशन की ज़रूरत इसके ठीक उलट है: वक्ता चाहे जो हो, बोलता चला जाता है, इसलिए जो सिस्टम साथ नहीं चल सकता उसे या तो सारांश देना होगा, या छोड़ना होगा, या असीमित देरी स्वीकार करनी होगी। कंज्यूमर ऐप में जो हुंकारा-व्यवहार बातचीत को स्वाभाविक बनाता है ("mhmm," "yeah"), वही ट्रांसलेशन सेशन में गैर-अनुवाद ऑडियो घुसा देता है, और पहले ही दिन कई यूज़र्स ने इसे दखल देने वाला बताया (BigGo)।
3. GPT-Live बनाम OpenAI का पर्पस-बिल्ट ट्रांसलेटर
OpenAI दो अलग लाइव ट्रांसलेशन सर्फेस शिप करता है, और वे अलग स्टैक हैं। 7 मई, 2026 को OpenAI ने Realtime API में gpt-realtime-translate रिलीज़ किया: एक पर्पस-बिल्ट स्ट्रीमिंग स्पीच-टू-स्पीच ट्रांसलेशन मॉडल, जो हज़ारों घंटों के प्रोफेशनल इंटरप्रेटर ऑडियो पर ट्रेन किया गया है और जो केवल-अनुवाद भूमिका में रहने तथा बोलने से पहले पर्याप्त संदर्भ का इंतज़ार करने के लिए कॉन्फ़िगर है (OpenAI की घोषणा)। GPT-Live सामान्य-उद्देश्य वाला फुल-डुप्लेक्स असिस्टेंट है जो कहने पर अनुवाद करता है। अब दोनों डेवलपर्स को उपलब्ध हैं, जिससे पहली बार सीधी तुलना संभव हुई है।
GPT-Live (gpt-live-1) | gpt-realtime-translate | |
|---|---|---|
| यह क्या है | फुल-डुप्लेक्स वॉयस असिस्टेंट; प्रॉम्प्ट से अनुवाद | डेडिकेटेड स्ट्रीमिंग स्पीच-टू-स्पीच ट्रांसलेशन मॉडल |
| रिलीज़ | ChatGPT 8 जुलाई, 2026; API 10 सितंबर, 2026 | 7 मई, 2026 |
| एक्सेस | ChatGPT ऐप और API एंडपॉइंट /v1/live/sessions | Realtime API, एंडपॉइंट /v1/realtime/translations |
| कीमत | ChatGPT प्लान्स में शामिल; API से $0.05/min और उसके ऊपर बैकएंड मॉडल | $0.034 प्रति मिनट ऑडियो |
| भाषाएं | अप्रकाशित; "most spoken languages," एक्सेंट की कमियां स्वीकृत | 70+ इनपुट भाषाएं; 13 आउटपुट भाषाएं (दस्तावेज़ित) |
| ट्रांसलेटर भूमिका में टिकता है | निर्देश देने पर हां; 27 मिनट के परीक्षण में शून्य भूमिका-भंग | हां; डिज़ाइन से केवल-अनुवाद, कोई सिस्टम प्रॉम्प्ट नहीं |
| कंप्लीशन लैग, en→es | मीडियन 11.72 s, चढ़कर 10 से 14 s के पठार तक | मीडियन 2.65 s, सपाट |
| 30 s के भीतर जापानी कवरेज | 17% | 98% |
| ट्रांसक्रिप्ट | सोर्स और आउटपुट ट्रांसक्रिप्ट डेल्टा | सोर्स और अनुवादित स्पीच के टेक्स्ट डेल्टा |
gpt-realtime-translate की 13 दस्तावेज़ित आउटपुट भाषाएं: अंग्रेज़ी, स्पैनिश, पुर्तगाली, फ्रेंच, जर्मन, इतालवी, रूसी, चीनी, जापानी, कोरियाई, हिंदी, इंडोनेशियाई और वियतनामी (OpenAI Cookbook)। OpenAI अब भी GPT-Live की भाषा सूची प्रकाशित नहीं करता, इसलिए मापा गया व्यवहार ही एकमात्र मार्गदर्शक है, और वह भाषा-दर-भाषा बहुत बदलता है।
लॉन्च वीक के दो सुधार स्पष्ट कर देना ज़रूरी है, क्योंकि शुरुआती कवरेज ने दोनों को गड़बड़ किया था, और उनमें से एक अब पुराना पड़ चुका है। पहला: जुलाई की कुछ पोस्ट्स में घूम रहे "$32 per million audio input tokens, $64 output" आंकड़े GPT-Live के नहीं, gpt-realtime-2 के हैं, जो एक अलग मॉडल है। दूसरा: जुलाई 2026 में GPT-Live API से उपलब्ध नहीं था, और उस समय की कई रिपोर्ट्स (और इस गाइड का पुराना संस्करण) यही कहती थीं। यह अब सही नहीं है: 10 सितंबर, 2026 से GPT-Live-1 मॉडल gpt-live-1 के रूप में v1/live/sessions पर लाइव है, वॉयस लेयर के लिए $0.05 प्रति मिनट और बैकएंड मॉडल के अलग बिलिंग के साथ।
4. OpenAI और स्वतंत्र परीक्षण कौन सी सीमाएं बताते हैं
- लगातार बोलने पर लैग जमा होता है। मापा गया कंप्लीशन लैग अंग्रेज़ी-से-स्पैनिश में तीन मिनट के भीतर 5.7 सेकंड से चढ़कर 10 से 14 सेकंड के पठार पर पहुंच गया, और बाकी सेशन वहीं टिका रहा।
- जापानी में गंभीर गिरावट। 30 सेकंड के भीतर 17% वाक्य अनुवादित हुए, जबकि उसी मॉडल ने स्पैनिश में 98% किए, और 90 में से 20 वाक्यों का अनुवाद कभी हुआ ही नहीं।
- उपयोग सीमाएं असली हैं लेकिन अप्रकाशित। OpenAI का हेल्प सेंटर बताता है कि वॉयस की उपयोग सीमाएं प्लान और Voice विकल्प के अनुसार अलग हैं और बदल सकती हैं। विशिष्ट आंकड़ों की थर्ड-पार्टी रिपोर्ट्स आपस में टकराती हैं; किसी भी विशिष्ट आंकड़े को असत्यापित मानें।
- कोई आधिकारिक लेटेंसी नंबर नहीं। OpenAI ने क्षमता बेंचमार्क (GPQA, BrowseComp, प्रेफरेंस रेट) जारी किए, लेकिन अनुवाद के लिए फर्स्ट-ऑडियो या लैग की कोई माप नहीं।
- भाषा कवरेज अदस्तावेज़ित है। "Most spoken languages," और बाकी के लिए नॉन-नेटिव एक्सेंट तथा प्रवाह की कमियां स्वीकृत।
- कंज्यूमर ऐप में हुंकारे पूरी तरह बंद नहीं किए जा सकते, हालांकि API परीक्षण में केवल-अनुवाद का स्पष्ट निर्देश बिना किसी अपवाद के टिका रहा।
- सेफ्टी मॉनिटरिंग बीच में दखल दे सकती है। GPT-Live सिस्टम कार्ड के अनुसार, रियल टाइम मॉनिटरिंग जवाब को मोड़ या रोक सकती है, बोला हुआ सेफ्टी संदेश चला सकती है, या उच्च-जोखिम बातचीतें समाप्त कर सकती है।
5. स्वतंत्र मापन क्या दिखाता है
हमने क्या मापा (और क्या नहीं)
ये नंबर्स OpenAI API के ज़रिए gpt-live-1 से आते हैं, जिसे साथ-साथ अनुवाद करने वाले इंटरप्रेटर की भूमिका निभाने का प्रॉम्प्ट दिया गया था, और जो 15 सितंबर, 2026 को मापा गया। ये ChatGPT के कंज्यूमर अनुभव की मापें नहीं हैं: फ्री अकाउंट्स पर GPT-Live-1 mini चलता है, और ऐप अपनी क्लाइंट-साइड वॉयस डिटेक्शन तथा अपना प्रॉम्प्टिंग जोड़ता है जिसे कोई हार्नेस अलग नहीं कर सकता। तुलना के हर सिस्टम को एक ही ऑडियो, एक ही रियल-टाइम रफ्तार पर दिया गया, और पर-क्लिप डेटा livelingo.io/research/gpt-live-1-interpreter-test पर प्रकाशित है।
| सिस्टम | en→es लैग | en→ja लैग | 30 s के भीतर जापानी कवरेज | सेशन भर में |
|---|---|---|---|---|
| LiveLingo | 0.94 s | 0.88 s | 100% | सपाट |
| Gemini 3.5 Live Translate | 1.51 s | 1.92 s | 99% | सपाट |
OpenAI gpt-realtime-translate | 2.65 s | 3.33 s | 98% | सपाट |
| GPT-Live-1 (प्रॉम्प्ट किया गया) | 11.72 s | लागू नहीं | 17% | चढ़कर 10 से 14 s |
यह किरदार नहीं तोड़ता। 27 मिनट के अनुवादित ऑडियो में इसने किसी भी दिशा में एक बार भी वक्ता का अनुवाद करने के बजाय उसे जवाब नहीं दिया। यह सचमुच कठिन काम है, और डेडिकेटेड ट्रांसलेशन मॉडल्स को तो इसकी कोशिश भी नहीं करनी पड़ती।
यह उत्तरोत्तर पीछे रह जाता है। अंग्रेज़ी-से-स्पैनिश में कंप्लीशन लैग मिनट शून्य के 5.7 सेकंड से चढ़कर तीसरे मिनट तक 10 और 14 सेकंड के बीच पठार पर पहुंचा, और वहीं टिका रहा। आकार मायने रखता है: यह असीमित नहीं है, लेकिन छठे मिनट पर जुड़ने वाला श्रोता कमरे से लगभग बारह सेकंड पीछे का अनुवाद सुनता है।
अंग्रेज़ी-से-जापानी ढह जाता है। 30 सेकंड के भीतर केवल 17% वाक्य अनुवादित हुए, जबकि उसी मॉडल ने स्पैनिश में 98% किए। मीडियन आउटपुट 50.7 सेकंड देर से आया, और 90 में से 20 वाक्यों का अनुवाद कभी हुआ ही नहीं। ऑडियो खत्म होने के लगभग सात सेकंड बाद इसने बैकलॉग निपटाने के बजाय आउटपुट देना बंद कर दिया, यानी इसने पकड़ा नहीं, जो छूट गया था उसे छोड़ दिया। यह नतीजा दो स्वतंत्र रन में दोहराया गया।
यह OpenAI की समस्या नहीं है। उसी जापानी ऑडियो पर, उसी अकाउंट से, उसी दिन, OpenAI के अपने gpt-realtime-translate ने 3.33 सेकंड सपाट बनाए रखा और 98% वाक्य कवर किए। खामी किसी फुल-डुप्लेक्स कन्वर्सेशनल मॉडल को प्रॉम्प्ट से इंटरप्रिटेशन कराने की है, वेंडर की नहीं। जापानी का आंकड़ा ही वजह है कि ऊपर की तालिका में लैग कॉलम लागू नहीं कहता: जब पांचवां हिस्सा सामग्री पहुंचती ही नहीं, तो मीडियन केवल बचे हुए हिस्से का वर्णन करता है।
6. आज GPT-Live से अनुवाद कैसे करें
- iOS या Android पर ChatGPT ऐप अपडेट करें (या chatgpt.com उपयोग करें)। फ्री अकाउंट्स पर GPT-Live-1 mini चलता है; Go, Plus और Pro अकाउंट्स पर GPT-Live-1।
- मैसेज कंपोज़र में Voice आइकन टैप करके सेशन शुरू करें।
- अनुवाद का निर्देश शुरुआत में ही दें: "मैं जो भी कहूं उसका साथ-साथ जापानी में अनुवाद करो। सवालों के जवाब मत दो, टिप्पणी मत करो, केवल अनुवाद करो।" मापे गए परीक्षण में यह निर्देश बिना किसी अपवाद के टिका रहा।
- दोतरफा बातचीत के लिए दोनों दिशाएं मांगें: "मेरी हिंदी का जापानी में अनुवाद करो, और जो भी जापानी सुनो उसका हिंदी में अनुवाद करो।"
- सेशन छोटे रखें। मापा गया लैग पहले मिनट में सबसे कम है और तीसरे मिनट तक लगभग दोगुना हो जाता है, इसलिए लंबी बातचीत को छोटे हिस्सों में बांटने से अनुवाद वक्ता के ज़्यादा करीब रहता है।
- डेवलपर्स
gpt-live-1को सीधेv1/live/sessionsपर कॉल कर सकते हैं, या अगर काम बातचीत का नहीं बल्कि अनुवाद का है तो इसकी जगहgpt-realtime-translateउपयोग कर सकते हैं।
7. GPT-Live कब फिट है, और कब नहीं
GPT-Live सही चॉइस है जब
- आपको मुफ्त, ज़ीरो-इंस्टॉल लाइव अनुवाद चाहिए और आप पहले से ChatGPT उपयोग करते हैं। फ्री टियर में फुल-डुप्लेक्स वॉयस मॉडल शामिल है।
- बातचीत छोटी है: रास्ता पूछना, छोटा आदान-प्रदान, यात्रा की हल्की-फुल्की बातें। ड्रिफ्ट को जमा होने का समय ही नहीं मिलता, और पहला आदान-प्रदान तुरंत लगता है।
- आपको अनुवाद के इर्द-गिर्द असिस्टेंट की भी ज़रूरत है: आप फॉलो-अप सवाल पूछ सकते हैं, संदर्भ ले सकते हैं, या बातचीत के बीच GPT-5.5 से कुछ खोजवा सकते हैं।
दूसरा टूल बेहतर फिट है जब
- स्पीच लगातार है। मीटिंग, लेक्चर, या ऐसी कॉल जहां एक पक्ष कई मिनट तक बोलता है, वहीं 10 से 14 सेकंड का मापा गया लैग-पठार पूरा अनुभव बन जाता है।
- आप जापानी में अनुवाद कर रहे हैं, या किसी ऐसी भाषा में जिसका व्यवहार आपने खुद जांचा नहीं है। एक ही मॉडल पर दो भाषाओं के बीच कवरेज 98% से 17% तक बदली।
- आपको सुनते-सुनते पढ़ने योग्य दो-भाषा ट्रांसक्रिप्ट चाहिए। GPT-Live आपको चैट लॉग देता है, न कि सोर्स और अनुवाद का साइड-बाई-साइड व्यू जो कभी खुद को दोबारा नहीं लिखता।
- आपको ट्रांसलेटेड फोन कॉल्स चाहिए। कोई भी OpenAI सर्फेस फोन नंबर डायल नहीं करता। LiveLingo सामान्य फोन नंबरों पर आउटबाउंड कॉल करता है, लाइन पर अनुवाद चलता रहता है, और दूसरी ओर के व्यक्ति को किसी ऐप की ज़रूरत नहीं।
एक ईमानदार स्वीकारोक्ति। LiveLingo (यह गाइड प्रकाशित करने वाला) डेडिकेटेड-ट्रांसलेटर कैटेगरी में आता है, इसलिए तुलना इसी बात को ध्यान में रखकर पढ़ें। GPT-Live की बातचीत की सहजता एक वास्तविक प्रगति है, इसकी फुल-डुप्लेक्स टर्न-टेकिंग हमारे सहित हर डेडिकेटेड ट्रांसलेटर ऐप से आगे है, इसका फ्री टियर आज लाइव वॉयस ट्रांसलेशन आज़माने का सबसे आसान रास्ता है, और इसने 27 मिनट तक बिना एक भी चूक के इंटरप्रेटर की भूमिका निभाई। जो यह नहीं कर पाता, वह है ऐसे वक्ता के साथ कदम मिलाकर चलना जो रुकता नहीं। स्पेक्स की साइड-बाई-साइड तुलना: /compare/chatgpt-translation। पूरी मापें: /research/gpt-live-1-interpreter-test। OpenAI का पूरा ट्रांसलेशन लाइनअप: /hi/guides/openai-live-translation।
8. अक्सर पूछे जाने वाले प्रश्न
GPT-Live क्या है?
GPT-Live OpenAI की फुल-डुप्लेक्स वॉयस मॉडल फैमिली है, जो 8 जुलाई, 2026 को ChatGPT में डेब्यू हुई। दो मॉडल शिप हुए: GPT-Live-1 (पेड Go, Plus और Pro प्लान्स का डिफॉल्ट) और GPT-Live-1 mini (फ्री यूज़र्स का डिफॉल्ट)। जिस Advanced Voice Mode को यह रिप्लेस करता है उसके विपरीत, GPT-Live एक ही समय पर सुनता और बोलता है, इसलिए इसे स्वाभाविक रूप से टोका जा सकता है, यह आपके बोलते समय हुंकारा भर सकता है, और आपके बोलते-बोलते ही लाइव अनुवाद कर सकता है। जटिल क्वेरीज़ यह बैकग्राउंड में GPT-5.5 को डेलिगेट करता है। यह iOS, Android और chatgpt.com पर चलता है, और 10 सितंबर, 2026 से डेवलपर्स के लिए OpenAI API में gpt-live-1 के रूप में भी उपलब्ध है।
क्या GPT-Live रियल टाइम अनुवाद कर सकता है?
हां, और मापे गए परीक्षण में इसने 27 मिनट के ऑडियो में एक बार भी इंटरप्रेटर की भूमिका नहीं तोड़ी। अनुवाद मोड टॉगल से नहीं, प्रॉम्प्ट से इनवोक होता है: असिस्टेंट से कहें "मैं जो भी कहूं उसका साथ-साथ जापानी में अनुवाद करो" और यह आपके बोलते समय चलता हुआ अनुवाद बोलता है। सीमा आज्ञापालन की नहीं, रफ्तार की है: 452-सेकंड सेशन में अंग्रेज़ी-से-स्पैनिश कंप्लीशन लैग 5.7 सेकंड से चढ़कर 10 से 14 सेकंड के पठार तक पहुंच गया।
क्या GPT-Live का कोई API है?
हां, 10 सितंबर, 2026 से। GPT-Live-1 मॉडल gpt-live-1 के रूप में v1/live/sessions एंडपॉइंट पर उपलब्ध है, बातचीत के वॉयस लेयर के लिए $0.05 प्रति मिनट की कीमत पर, और रीज़निंग संभालने वाला बैकएंड मॉडल अलग से बिल होता है। यह 8 जुलाई के ChatGPT डेब्यू से बदल चुका है, जब GPT-Live केवल ChatGPT तक सीमित था। OpenAI एक अलग पर्पस-बिल्ट ट्रांसलेशन मॉडल भी शिप करता है, gpt-realtime-translate, $0.034 प्रति मिनट, 70+ इनपुट भाषाओं और 13 आउटपुट भाषाओं के साथ।
अनुवाद करते समय GPT-Live कितनी देरी जोड़ता है?
15 सितंबर, 2026 को API के ज़रिए मापा गया: अंग्रेज़ी-से-स्पैनिश में एक वाक्य का अनुवाद पूरा पहुंचाने में मीडियन 11.72 सेकंड, जो सेशन के दौरान मिनट शून्य के 5.7 सेकंड से चढ़कर तीसरे मिनट तक 10 से 14 सेकंड के पठार पर पहुंच गया। उसी ऑडियो पर OpenAI के अपने gpt-realtime-translate ने 2.65 सेकंड, Gemini 3.5 Live Translate ने 1.51 सेकंड और LiveLingo ने 0.94 सेकंड मापा, और तीनों उन्हीं 452 सेकंड में ड्रिफ्ट किए बिना सपाट रहे।
GPT-Live जापानी अनुवाद में क्यों लड़खड़ाता है?
यह इतना पीछे चला जाता है कि फिर पकड़ नहीं पाता। बोले जाने के 30 सेकंड के भीतर केवल 17% जापानी वाक्य अनुवादित हुए, जबकि उसी मॉडल ने स्पैनिश में 98% किए; मीडियन आउटपुट 50.7 सेकंड देर से आया, और 90 में से 20 वाक्यों का अनुवाद कभी हुआ ही नहीं। यह नतीजा दो रन में दोहराया गया। उसी ऑडियो पर OpenAI के डेडिकेटेड gpt-realtime-translate ने 3.33 सेकंड सपाट रहते हुए 98% कवरेज दी, इसलिए यह किसी कन्वर्सेशनल मॉडल को प्रॉम्प्ट से अनुवाद कराने की खासियत है, OpenAI की जापानी की सीमा नहीं।
क्या GPT-Live मुफ्त है?
ChatGPT में हां, टियर के हिसाब से बंटा हुआ। GPT-Live-1 mini फ्री अकाउंट्स का डिफॉल्ट वॉयस मॉडल है; पेड Go, Plus और Pro प्लान्स को बड़ा GPT-Live-1 मिलता है। कोई नया सब्सक्रिप्शन नहीं आया, और वॉयस की उपयोग सीमाएं प्लान के हिसाब से अलग हैं, बिना किसी प्रकाशित मिनट कैप के। API अलग है और मीटर्ड है: वॉयस लेयर के लिए $0.05 प्रति मिनट, और उसके ऊपर बैकएंड मॉडल का उपयोग।
GPT-Live अनुवाद के लिए कौन सी भाषाएं सपोर्ट करता है?
OpenAI ने कोई भाषा सूची प्रकाशित नहीं की है। लॉन्च सामग्री कहती है कि वॉयस "most spoken languages" के लिए ऑप्टिमाइज़्ड है और बाकी भाषाओं के लिए एक्सेंट तथा प्रवाह की कमियां स्वीकार करती है। मापा गया व्यवहार भाषा के हिसाब से तेज़ी से बदलता है: उसी मॉडल ने 30 सेकंड के भीतर 98% स्पैनिश वाक्य कवर किए, लेकिन जापानी में केवल 17%। OpenAI का डेवलपर-फेसिंग ट्रांसलेशन मॉडल gpt-realtime-translate 70+ इनपुट भाषाएं और 13 आउटपुट भाषाएं दस्तावेज़ित करता है: अंग्रेज़ी, स्पैनिश, पुर्तगाली, फ्रेंच, जर्मन, इतालवी, रूसी, चीनी, जापानी, कोरियाई, हिंदी, इंडोनेशियाई और वियतनामी।
अनुवाद के लिए GPT-Live की तुलना Gemini Live से कैसी है?
आर्किटेक्चरल दांव अलग हैं, और अब दोनों मापने योग्य हैं। GPT-Live एक फुल-डुप्लेक्स कन्वर्सेशनल असिस्टेंट है जो अनुरोध पर अनुवाद करता है। Google का Gemini 3.5 Live Translate एक डेडिकेटेड स्ट्रीमिंग स्पीच-टू-स्पीच मॉडल है। एक ही 452-सेकंड ऑडियो पर Gemini ने अंग्रेज़ी-से-स्पैनिश में 1.51 सेकंड और जापानी में 1.92 सेकंड का सपाट कंप्लीशन लैग बनाए रखा, जबकि gpt-live-1 स्पैनिश में 10 से 14 सेकंड के पठार तक चढ़ गया और जापानी में 30 सेकंड के भीतर केवल 17% वाक्य कवर कर पाया। डेडिकेटेड ट्रांसलेशन पाथ देरी जमा करने के बजाय एक स्थिर ऑफसेट बनाए रखता है।
GPT-Live से वापस Advanced Voice Mode पर कैसे जाएं?
ChatGPT की वॉयस सेटिंग्स खोलें और Advanced Voice Mode चुनें। GPT-Live ने 8 जुलाई, 2026 को इसे डिफॉल्ट के रूप में रिप्लेस किया, लेकिन OpenAI ने पुराना मोड उन यूज़र्स के लिए चुनने योग्य रखा है जिन्हें ऐसे फीचर्स चाहिए जो GPT-Live सपोर्ट नहीं करता, जैसे वीडियो और स्क्रीन शेयरिंग।
GPT-Live को बीच में टोकने या "mhmm" कहने से कैसे रोकें?
कंज्यूमर ऐप में हुंकारे वाले व्यवहार को पूरी तरह बंद नहीं किया जा सकता। उपाय है सेशन की शुरुआत में स्पष्ट निर्देश देना, जैसे "केवल मेरी बात का अनुवाद करो, और कुछ मत जोड़ो।" मापे गए API परीक्षण में यह निर्देश पूरी तरह टिका रहा, 27 मिनट में शून्य भूमिका-भंग के साथ, इसलिए इंटरप्रेटर की भूमिका खुद भरोसेमंद है, भले ही ChatGPT में बातचीत वाली टोकाटाकी अब भी संभव हो। अगर यह व्यवहार आपके काम में बाधा बनता है, तो Advanced Voice Mode वॉयस सेटिंग्स में अब भी चुना जा सकता है।
लाइव बातचीत के अनुवाद के लिए अभी कौन सा टूल इस्तेमाल करें?
छोटे आदान-प्रदान के लिए GPT-Live अच्छा है और ChatGPT के भीतर मुफ्त है। मीटिंग, लेक्चर या लंबी कॉल जैसी लगातार बोली जाने वाली स्पीच के लिए पर्पस-बिल्ट रास्ता चुनें। एक ही 452-सेकंड ऑडियो पर मापा गया कंप्लीशन लैग LiveLingo के लिए 0.94 सेकंड, Gemini 3.5 Live Translate के लिए 1.51 और OpenAI के अपने gpt-realtime-translate के लिए 2.65 रहा, तीनों सपाट, जबकि प्रॉम्प्ट किया गया gpt-live-1 चढ़कर 10 से 14 सेकंड पर पहुंचा। सामान्य फोन नंबरों पर ट्रांसलेटेड कॉल्स के लिए, कोई भी OpenAI सर्फेस डायल नहीं करता; वह अलग प्रोडक्ट कैटेगरी है।
9. स्रोत
- OpenAI. Introducing GPT-Live. OpenAI blog, July 8, 2026. openai.com
- OpenAI Developers. GPT-Live-1 model reference (API उपलब्धता, एंडपॉइंट, प्राइसिंग). developers.openai.com
- OpenAI. GPT-Live system card. OpenAI Deployment Safety, July 2026. deploymentsafety.openai.com
- OpenAI. ChatGPT Voice (help center). help.openai.com
- TechCrunch. OpenAI releases new voice models for more natural live conversations, July 8, 2026. techcrunch.com
- MarkTechPost. OpenAI Releases GPT-Live and GPT-Live-1 mini: Full-Duplex Voice Models That Delegate Deeper Reasoning to GPT-5.5, July 8, 2026. marktechpost.com
- MacRumors. OpenAI Introduces GPT-Live to Make ChatGPT Voice Feel Like a Real Conversation, July 8, 2026. macrumors.com
- The Decoder. ChatGPT can now listen and talk at the same time, July 2026. the-decoder.com
- SiliconANGLE. OpenAI launches GPT-Live voice model series ahead of broad GPT-5.6 release, July 8, 2026. siliconangle.com
- Simon Willison. Introducing GPT-Live (प्रीव्यू एक्सेस के नोट्स), July 8, 2026. simonwillison.net
- OpenAI Developers. gpt-realtime-translate model reference और realtime translation guide. developers.openai.com
- Artificial Analysis. Speech to Speech Quality Index (GPT-Live-1 की रैंकिंग और पहले ऑडियो तक का समय). artificialanalysis.ai
- LiveLingo Research. GPT-Live-1 Interpreter Test, 15 सितंबर, 2026. पर-क्लिप डेटा CC-BY 4.0 के तहत. livelingo.io/research/gpt-live-1-interpreter-test
- LiveLingo Research. Real-Time Voice Translation Benchmark 2026. livelingo.io/research/benchmark-2026. Dataset DOI: 10.5281/zenodo.21250032
- LiveLingo. ChatGPT Translation in 2026: Voice Mode, gpt-realtime-translate API, and Whisper Compared. livelingo.io/guides/openai-live-translation
16 सितंबर, 2026 को अपडेट किया गया, ताकि 10 सितंबर, 2026 को GPT-Live-1 के OpenAI API तक पहुंचने को दर्ज किया जा सके और इसके अनुवाद व्यवहार की पहली स्वतंत्र मापें जोड़ी जा सकें। मॉडल नाम, टियर मैपिंग, एंडपॉइंट और प्राइसिंग 16 सितंबर, 2026 को OpenAI के डेवलपर डॉक्यूमेंटेशन से सत्यापित किए गए। ये मापें API मॉडल की हैं, ChatGPT के कंज्यूमर अनुभव की नहीं; OpenAI टियर, सीमाएं, भाषा कवरेज और मॉडल व्यवहार तेज़ी से बदल सकता है।