बोलकर AI असिस्टेंट से बात करें, बिना टाइप किए

बोलकर होने वाली लाइव बातचीत क्या है

GPT Realtime Assistant में सेशन एक बातचीत है जिसे आप ख़ुद शुरू और ख़त्म करते हैं। “प्रारंभ करें” पर टैप करें (iPad और Mac पर “सत्र प्रारंभ करें”) और माइक्रोफ़ोन खुल जाता है: आप जो कहते हैं वह ट्रांसक्रिप्ट के रूप में दिखता है, और असिस्टेंट का जवाब उसके बगल में। सवालों के बीच आपको कुछ दबाना नहीं पड़ता। असिस्टेंट हर बारी का जवाब अपने-आप देता है, इसलिए इसकी लय सर्च बॉक्स में बोलकर लिखवाने से ज़्यादा किसी इंसान से बात करने जैसी है।

यह एक बातचीत है, अलग-अलग कमांड की लड़ी नहीं। “और दूसरा वाला?” या “थोड़ा छोटा करो” जैसा अगला सवाल पहले कही बातों की रोशनी में समझा जाता है, जैसे कोई सुनता रहा इंसान समझता।

यह iOS या iPadOS 26 या उसके बाद वाले iPhone और iPad पर, और Apple silicon और macOS 26 या उसके बाद वाले Mac पर चलता है।

शुरू करना, कदम-दर-कदम

एक मिनट से कम, जिसमें ज़्यादातर समय यह तय करने में जाता है कि डिवाइस कहाँ रखें।

1. ऐप खोलें और नया सेशन शुरू करें। आम सवालों के लिए अपने निर्देशों वाला सेशन काफ़ी है; जब बातचीत का कोई मक़सद हो, तो टेम्पलेट मदद करता है, जैसे “कोडिंग कार्य” या “साक्षात्कार”।
2. “विवरण स्तर” चुनें: “संक्षिप्त”, “संतुलित” या “विस्तृत”। डिफ़ॉल्ट “संतुलित” है।
3. जाँचें कि “अनुवाद करें” बंद है। अनुवाद पूरे ऐप की सेटिंग है जो बंद करने तक चालू रहती है, और चालू रहते हुए आप जो भी कहते हैं वह एक भाषा से दूसरी में अनुवाद होता है।
4. डिवाइस को वहाँ खड़ा करें जहाँ उठाए बिना पढ़ सकें: डेस्क पर स्टैंड में, रसोई के स्लैब के पीछे दीवार से टिकाकर, सोफ़े के हत्थे पर।
5. “प्रारंभ करें” पर टैप करें और अपना सवाल वैसे पूछें जैसे किसी इंसान से पूछते।
6. हो जाने पर “समाप्त करें” पर टैप करें। बातचीत सेशन के इतिहास में, डिवाइस पर रहती है।

बोलकर टोकिए

जब आप बोलना शुरू करते हैं, असिस्टेंट अपना मौजूदा जवाब रोक देता है। पूरी व्यवस्था बस इतनी है, और यही बोलकर बातचीत को काम का बनाती है: ग़लत दिशा में गए जवाब के ख़त्म होने का इंतज़ार नहीं करना पड़ता, और उसे रोकने के लिए कोई बटन नहीं ढूँढ़ना पड़ता।

इसे वैसे इस्तेमाल करें जैसे किसी ऐसे इंसान के साथ जिसने सवाल ग़लत समझा हो। “नहीं, मेरा मतलब ट्रेन से था, फ़्लाइट से नहीं।” “बस नंबर बताओ।” “पृष्ठभूमि छोड़ो — अब मैं क्या करूँ?” असिस्टेंट सुधार ले लेता है और वहीं से आगे बढ़ता है।

माइक्रोफ़ोन सिर्फ़ आपको नहीं, पूरे कमरे को सुनता है। पास में बात करता कोई और, या टीवी, उस तक वैसे ही पहुँचता है जैसे आपकी आवाज़, इसलिए भरी-पूरी रसोई से ज़्यादा साफ़ बातचीत किसी शांत कोने में होती है।

“संक्षिप्त”, “संतुलित” या “विस्तृत”

“विवरण स्तर” सेटिंग तय करती है कि जवाब कितने लंबे हों। बोलकर बातचीत में यह टाइप की गई बातचीत से ज़्यादा मायने रखती है, क्योंकि आपने आवाज़ से पूछा है और अब जवाब हाथ भर की दूरी से पढ़ रहे हैं, अक्सर कुछ और करते हुए।

आप उसी पल छोटा या लंबा जवाब भी माँग सकते हैं — “एक लाइन में”, “इसे ठीक से समझाओ” — सेटिंग बदले बिना।

• “संक्षिप्त”: सबसे छोटे जवाब। झटपट सवाल-जवाब के लिए, उस तथ्य के लिए जो हाथ व्यस्त होने पर चाहिए, और उस हर चीज़ के लिए जो एक नज़र में समझनी हो।
• “संतुलित”: डिफ़ॉल्ट, दोनों के बीच। जब अभी पता न हो कि बातचीत कैसी होगी, तब ठीक चुनाव।
• “विस्तृत”: जब आप बैठे हों और तर्क, कदम या विकल्प पूरे ब्योरे के साथ चाहिए हों।

स्क्रीन चालू रखें

यही नियम लोगों को चकमा देता है। ऐप बैकग्राउंड में जाने या स्क्रीन लॉक होने पर लाइव सेशन ख़त्म हो जाता है: ऐप दिखाता है “ऐप निष्क्रिय. रीयलटाइम सत्र बंद हो गया.” और सुनना बंद कर देता है। दूसरे ऐप में कोई मैसेज देखना, या मेज़ पर रखे फ़ोन का अपने-आप लॉक हो जाना, बातचीत ख़त्म कर देता है।

इसीलिए यहाँ हैंड्स-फ़्री का मतलब गाड़ी चलाते हुए हैंड्स-फ़्री नहीं है। जवाब स्क्रीन पर हैं, और स्टीयरिंग पर हाथ रखे हुए स्क्रीन पढ़ना ठीक नहीं।

जल्दी वाले सवाल से लंबी किसी भी चीज़ के लिए:

• ऐप इस्तेमाल करते समय डिवाइस की सेटिंग्ज़ में “ऑटो-लॉक” का समय बढ़ा दें, और बाद में वापस कर दें।
• लंबे सेशन के लिए डिवाइस चार्जिंग पर लगा दें। खुला माइक्रोफ़ोन और जलती स्क्रीन, यूँ ही पड़े फ़ोन से ज़्यादा बैटरी लेते हैं।
• अगर सेशन बंद हो जाए, तो ऐप पर लौटकर उसे फिर शुरू करें। अब तक का ट्रांसक्रिप्ट सेशन में रहता है।

जब ज़ोर से बोल न सकें

कुछ जगहें फ़ोन से बात करने के लिए ठीक नहीं: ट्रेन का शांत डिब्बा, ओपन-प्लान दफ़्तर, ऐसा कमरा जहाँ कोई सो रहा हो। वहाँ टाइप करें। “एआई से पूछें या संदर्भ पेस्ट करें...” लिखा बॉक्स वही सवाल लेता है, और जवाब भी उसी तरह आते हैं। कुछ लंबा पेस्ट करने की जगह भी यही है — कोई ईमेल, हिदायतों की सूची, कोई पैराग्राफ़ जिसे समझना है — जो उसे ज़ोर से पढ़ने से जल्दी है।

“माइक” माइक्रोफ़ोन बंद और चालू करता है, उस पल के लिए जब आप सेशन खुला रखना चाहें पर नहीं चाहते कि वह सुने।

डिफ़ॉल्ट रूप से OpenAI का मॉडल आवाज़ सुनता है। “सुनना” में आप इसके बजाय Apple Speech चुन सकते हैं: आपके शब्द डिवाइस पर ट्रांसक्राइब होते हैं, और जवाब के लिए टेक्स्ट GPT को भेजा जाता है। इससे यह बदलता है कि ट्रांसक्रिप्शन कहाँ होता है; जवाब फिर भी क्लाउड से आता है।

अगर डिवाइस जहाँ खड़ा है वहाँ से जवाब पढ़ना मुश्किल हो, तो ऐप में “सेटिंग्ज़” › “दिखावट” › “चैट फ़ॉन्ट आकार” “अतिरिक्त बड़ा” तक जाता है, पूरे डिवाइस के टेक्स्ट साइज़ के ऊपर से।

यह क्या है, और क्या नहीं

यह बातचीत का साथी है जो सवालों के जवाब देता है, समझाता है, मसौदे बनाता है और आपके साथ बातों पर सोचता है — आप बोलते हैं, वह लिखकर जवाब देता है। यह Siri की जगह नहीं है। यह फ़ोन नहीं चला सकता: टाइमर या अलार्म नहीं लगाता, मैसेज नहीं भेजता, कॉल नहीं करता, ऐप नहीं खोलता और सेटिंग्स नहीं बदलता। यह जवाब देता है; काम आप करते हैं।

यह बुलाए जाने के इंतज़ार में बैकग्राउंड में भी नहीं बैठा रहता। यह तभी सुनता है जब आपके सामने स्क्रीन पर सेशन खुला हो, और सेशन तब ख़त्म होता है जब आप “समाप्त करें” पर टैप करें या ऐप छोड़ दें।

क्लाउड सेशन के लिए इंटरनेट चाहिए। उसके दौरान आवाज़ डिवाइस से सीधे OpenAI की Realtime API तक जाती है; सेशन डिवाइस पर सेव होता है; Arte Soft के सर्वर तक आवाज़, ट्रांसक्रिप्ट या जवाब कभी नहीं पहुँचते। बिना कनेक्शन के सेशन चलाने का एकमात्र तरीक़ा Apple silicon वाले Mac पर लोकल सेशन है, “सेटिंग्ज़” में एक बार डाउनलोड किए गए मॉडल के साथ।

ऐप डाउनलोड करना मुफ़्त है, और सेशन के लिए सब्सक्रिप्शन चाहिए; क्लाउड सेशन इस्तेमाल हुई आवाज़ और टेक्स्ट पर क्रेडिट ख़र्च करते हैं, जिसे एक सेशन के ख़र्च वाली गाइड समझाती है। और जवाब तब तक तथ्य नहीं जब तक आपने उसे जाँचा न हो। किसी भी ज़रूरी बात के लिए — दवा की ख़ुराक, आख़िरी तारीख़, कोई क़ानूनी सवाल — जवाब से यह जानिए कि क्या पूछना है, और किसी योग्य व्यक्ति से पूछिए।