ChatGPT Voice ব্যবহার: কথা বলা, সেটআপ আর সমস্যার সমাধান
ChatGPT Voice ব্যবহার করে মুখে কথা বলে আলোচনা, ইন্টারভিউয়ের অনুশীলন আর হাত খালি না রেখেই শেখা যায়। মাইক্রোফোন, প্রাইভেসি, সীমা আর সমস্যার সমাধান বাংলায়।
ChatGPT Voice ব্যবহার করতে মোবাইল অ্যাপ বা ওয়েবের মেসেজ লেখার জায়গায় Voice আইকন চাপুন, মাইক্রোফোনের অনুমতি দিন, তারপর কথা বলা শুরু করুন। মুখে মুখে আলোচনা, ইন্টারভিউয়ের অনুশীলন আর কোনো বিষয় বলে বলে শেখার জন্য এটা বেশ কাজের, তবে কথার যে লিখিত রূপ পরে দেখা যায় সেটা হুবহু রেকর্ড নয়।
এক নজরে
- Voice আইকন থেকে কথা শুরু হয়; প্রথমবার মাইক্রোফোনের অনুমতি আর কণ্ঠ বেছে নিতে বলতে পারে।
- মাইক্রোফোনের বোতাম শুধু আপনার শব্দ বন্ধ করে, আর বের হওয়ার বোতাম পুরো কথোপকথন শেষ করে।
- আশপাশের শব্দ, একসঙ্গে কয়েকজনের কথা আর দুর্বল ইন্টারনেট শুনতে ভুল করাতে পারে।
- যোগ্য অ্যাকাউন্টে মোবাইলে ক্যামেরা বা স্ক্রিন শেয়ার থাকতে পারে; পুরো স্ক্রিনে গোপন তথ্যও দেখা যেতে পারে।
- শেষে চ্যাটে লিখিত রূপ দেখা গেলেও সেটাকে হুবহু উদ্ধৃতি হিসেবে ব্যবহার করবেন না।
ChatGPT Voice দিয়ে কোন কাজগুলো সত্যিই ভালো হয়?
যেখানে টাইপ করার চেয়ে কথা বলাটা স্বাভাবিক, সেখানেই ChatGPT Voice সবচেয়ে ভালো কাজ করে। ইন্টারভিউয়ের অনুশীলন, প্রেজেন্টেশনে কী বলবেন তা মুখে ঝালিয়ে নেওয়া, ইংরেজি বলার অভ্যাস, কিংবা হাঁটতে হাঁটতে কোনো বিষয় নিয়ে প্রশ্নোত্তর, সবই এভাবে করা যায়। ChatGPT আপনার কথা শোনে, মুখে উত্তর দেয়, আর আপনি মাঝপথেই কিছু বুঝিয়ে বলতে বলতে পারেন।
Voice আর ডিক্টেশন এক জিনিস নয়। ডিক্টেশনে আপনি একটা প্রম্পট বলেন, লেখায় রূপান্তরটা দেখে ঠিক করেন, তারপর লেখা হিসেবে পাঠান। Voice হলো চলমান কথোপকথন। OpenAI-এর Voice ডকুমেন্টেশন পরিষ্কার বলছে, Voice-এর লিখিত রূপ আপনার কথার হুবহু রেকর্ড নয়। তাই মিটিংয়ের কার্যবিবরণী, ইন্টারভিউয়ের হুবহু উদ্ধৃতি বা আইনি বক্তব্য হিসেবে এটা ধরে নেওয়া যাবে না।
এই বিষয়টা হাতে-কলমে শিখতে চাইলে: AI শুরু ও Prompt Engineering (৳1,199)
মোবাইল বা ওয়েব থেকে Voice কীভাবে চালু করবেন?
iOS আর Android-এর ChatGPT অ্যাপে মেসেজ লেখার জায়গায় Voice আইকন চাপুন। ব্রাউজারে chatgpt.com-এর প্রম্পট লেখার জায়গাতেও Voice আইকন থাকতে পারে। প্রথমবার ফোন মাইক্রোফোন ব্যবহারের অনুমতি চাইলে Allow দিন। কণ্ঠ বেছে নেওয়ার স্ক্রিন এলে পছন্দেরটা বেছে নিন, তারপর কথা বলা শুরু করুন। মাইক্রোফোনের বোতাম দিয়ে নিজের শব্দ বন্ধ বা চালু করা যায়, আর বের হওয়ার বোতাম দিয়ে পুরো সেশন শেষ হয়।
Voice আইকন দেখা না গেলে অ্যাপ আপডেট আছে কি না, ঠিক অ্যাকাউন্টে আছেন কি না, আপনার প্ল্যান বা ওয়ার্কস্পেসে সুবিধাটা আছে কি না, আর আপনার এলাকা বা ডিভাইসে এটা চালু কি না দেখুন। সুবিধা আর ব্যবহারের সীমা সময়ের সঙ্গে বদলায়। পুরোনো টিউটোরিয়ালের সঙ্গে বোতামের জায়গা না মিললে এখনকার মেসেজ লেখার জায়গা আর Settings-এর Voice অংশটা দেখুন।
চাকরির ইন্টারভিউয়ের অনুশীলন কীভাবে করবেন?
খুলনার একজন সদ্য গ্র্যাজুয়েট কাস্টমার সাপোর্ট এক্সিকিউটিভ পদের ইন্টারভিউ দেবেন। চাকরির বিজ্ঞাপন থেকে তিনি তিনটা চাহিদা লিখে নিলেন: যোগাযোগের দক্ষতা, অভিযোগ সামলানো আর শিফটে কাজ করা। Voice-কে ইন্টারভিউয়ার বানানোর আগে তিনি ঠিক করে দিলেন কোন ভূমিকা, কয়টা প্রশ্ন, কোন ভাষায়, আর মতামত কখন দেবে:
তুমি [বাংলাদেশের একটি ই-কমার্স কোম্পানির] ইন্টারভিউয়ার। আমি [কাস্টমার সাপোর্ট এক্সিকিউটিভ] পদের ইন্টারভিউয়ের অনুশীলন করব। একবারে শুধু একটা প্রশ্ন করবে। আমি “উত্তর শেষ” না বলা পর্যন্ত কোনো মতামত দেবে না। প্রথমে [৫টি] প্রশ্ন বাংলায় করবে, তারপর [২টি] সহজ প্রশ্ন ইংরেজিতে। প্রতিটা উত্তরের পর তিনটা বিষয়ে মতামত দেবে: কতটা পরিষ্কার, উদাহরণটা প্রাসঙ্গিক কি না, কোন কথা বাড়তি। আমার CV বা অভিজ্ঞতায় নেই এমন কিছু যোগ করতে বলবে না। শেষে আমার সবচেয়ে দুর্বল দুটো উত্তর আবার বলার সুযোগ দেবে।
মুখে অনুশীলনের সুবিধা হলো, কোথায় আটকে যাচ্ছেন, কোথায় উত্তর বেশি লম্বা হচ্ছে, আর প্রশ্ন শুনে সঙ্গে সঙ্গে কেমন উত্তর দিচ্ছেন, তা টের পাওয়া যায়। তবে আসল নিয়োগকর্তা কীভাবে নম্বর দেবেন, ChatGPT তা জানে না। চাকরির বিজ্ঞাপন আর নিজের আসল অভিজ্ঞতার বাইরে গিয়ে সাজানো উত্তর বানালে ইন্টারভিউয়ের পরের প্রশ্নেই বিপদে পড়বেন।
ChatGPT বারবার কথার মাঝে ঢুকে পড়লে কী করবেন?
OpenAI জানাচ্ছে, আশপাশের শব্দ, লম্বা বিরতি, অন্য কারও কথা আর একসঙ্গে কথা বলা, এসব কারণে ChatGPT মাঝপথে কথা কেটে দিতে পারে। হেডফোন ব্যবহার করুন, টিভি বা ফ্যানের শব্দ কমান, আর একবারে মাঝারি দৈর্ঘ্যের বাক্য বলুন। ভাবার জন্য সময় দরকার হলে শুরুতেই বলে দিন, “আমি উত্তর শেষ না বলা পর্যন্ত অপেক্ষা করবে।”
iPhone-এ Control Center-এর Mic Mode থেকে Voice Isolation পাওয়া গেলে সেটা আশপাশের শব্দ কমাতে সাহায্য করতে পারে। Bluetooth ইয়ারফোন লাগানো থাকলেও শব্দ আসলে অন্য কোনো মাইক্রোফোন দিয়ে যাচ্ছে কি না, ফোনের অডিও সেটিংসে দেখে নিন। ChatGPT আপনার কথা একেবারেই না শুনলে তিনটা জিনিস আলাদা করে দেখুন: মাইক্রোফোন বন্ধ করা আছে কি না, ফোনের সেটিংসে অনুমতি আছে কি না, আর ব্রাউজারে সাইটটার অনুমতি আছে কি না।
| লক্ষণ | সম্ভাব্য কারণ | প্রথমে যা দেখবেন |
|---|---|---|
| Voice আইকন চাপলেও চালু হয় না | অনুমতি, অ্যাপের সংস্করণ বা অ্যাকাউন্টে সুবিধা না থাকা | মাইক্রোফোনের অনুমতি আর অ্যাপ আপডেট |
| কথা ভুল শুনছে | শব্দ, উচ্চারণ বা দুর্বল ইন্টারনেট | শান্ত ঘরে একটা বাক্য বলে পরীক্ষা |
| কথার মাঝেই উত্তর দিয়ে দেয় | বিরতি বা অন্য শব্দকে কথা শেষ ভেবে নেওয়া | অপেক্ষার নিয়ম আর হেডফোন |
| সেশন হঠাৎ বন্ধ | ব্যবহারের সীমা, সেশনের সীমা বা আলোচনার দৈর্ঘ্যের সীমা | স্ক্রিনের বার্তা আর নতুন চ্যাট |
| লিখিত রূপ কথার সঙ্গে মেলে না | লিখিত রূপ হুবহু রেকর্ড নয় | জরুরি তথ্য লিখে নিশ্চিত করা |
বাংলা নাম আর টাকার অঙ্ক ভুল শুনলে কীভাবে ঠিক করাবেন?
বাংলা নাম, জায়গার নাম, সংক্ষিপ্ত রূপ আর বাংলা ইংরেজি মেশানো কথা মেশিনের পক্ষে শোনা কঠিন হতে পারে। প্রথমবার নাম বলার পর বানানটাও বলে দিন, যেমন “কোম্পানির নাম Shapla, বানান S-H-A-P-L-A।” টাকার অঙ্কে “পনেরো হাজার পাঁচশ টাকা” বলার পর লেখায় “১৫,৫০০ BDT” লিখে নিশ্চিত করতে বলুন।
একটা সেশনে ঠিক উচ্চারণ বুঝে নিলেও পরের সেশনে একইভাবে বুঝবে, এমন নিশ্চয়তা নেই। জরুরি কলের স্ক্রিপ্ট, কাস্টমারের নাম বা ওষুধের নাম শুধু শুনে অনুমানের ওপর ছেড়ে দেবেন না। স্ক্রিনে লেখা উত্তর দেখা গেলে বানানটা পড়ে নিন। বাংলা AI কণ্ঠের উচ্চারণ নিয়ে আরও জানতে বাংলা নাম আর অঙ্কের উচ্চারণ ঠিক করার গাইড কাজে লাগতে পারে।
কথার মাঝখানে কি লেখা বা ছবি দেওয়া যায়?
OpenAI-এর এখনকার Help পাতা অনুযায়ী সমর্থিত অ্যাকাউন্টে কথোপকথন চলার সময়ই লেখা টাইপ করা বা ছবি যোগ করা যায়। ফলে পুরো স্ক্রিন শেয়ার না করে শুধু দরকারি অংশ কেটে নেওয়া একটা ছবি দিয়ে প্রশ্ন করা সম্ভব। Voice নিজে ChatGPT Library থেকে ফাইল খুঁজে আনতে না পারলেও, অ্যাকাউন্টের সুবিধা অনুযায়ী আপনি নিজে ফাইল যোগ করে দিতে পারেন।
ছবি দেখিয়ে “এখানে সমস্যা কী” জিজ্ঞেস করলে ঠিক কোন জায়গাটা দেখাচ্ছেন তা বলে দিন। স্ক্রিনশটে কাস্টমারের নাম, ফোন নম্বর, অর্ডার নম্বর বা কোনো নোটিফিকেশন থাকলে কেটে ফেলুন বা ঢেকে দিন। ছবি বুঝতে ভুল হতে পারে, তাই ছোট লেখা বা হুবহু সংখ্যা নিজে পড়ে মিলিয়ে নিন।
ক্যামেরা আর স্ক্রিন শেয়ার চালু করলে কী কী দেখা যায়?
যোগ্য গ্রাহকদের iOS বা Android অ্যাপে Advanced Voice চলার সময় ক্যামেরা আর স্ক্রিন শেয়ারের সুবিধা থাকতে পারে। ক্যামেরা চালু করলে সামনে রাখা জিনিস ChatGPT-কে দেখানো যায়। কিন্তু স্ক্রিন শেয়ার করলে শুধু একটা বোতাম নয়, ফোনের স্ক্রিনে যা কিছু আসে তার সবই দেখা যেতে পারে। তাই নোটিফিকেশনের প্রিভিউ, পাসওয়ার্ড ম্যানেজার, OTP আর কাস্টমারের চ্যাট আগেই বন্ধ করুন বা লুকিয়ে রাখুন।
ক্যামেরা আর স্ক্রিন শেয়ারের দৈনিক সীমা আর প্রতিটা কথোপকথনের আলাদা সীমা থাকতে পারে। ফোন লক করলে, অ্যাপ থেকে বের হলে বা হোল্ডে রাখলে শেয়ার থেমে যেতে বা বদলে যেতে পারে। স্ক্রিনের নির্দেশক চিহ্ন দেখে নিশ্চিত হন যে শেয়ার সত্যিই বন্ধ হয়েছে। রোগের লক্ষণ, পরিচয়পত্র বা আর্থিক তথ্যের স্ক্রিন দেখানো ঝুঁকির, শুধু সুবিধার জন্য এগুলো না দেখানোই ভালো।
প্রাইভেসির ব্যাপারে সাবধান: Voice চালু থাকা, মাইক্রোফোন বন্ধ থাকা আর স্ক্রিন শেয়ার বন্ধ থাকা, এই তিনটা আলাদা অবস্থা। সেশন শেষ করার আগে ক্যামেরা, স্ক্রিন শেয়ার আর মাইক্রোফোনের চিহ্নগুলো দেখে নিন। আশপাশে অন্য মানুষ থাকলে মাইক্রোফোন তাঁদের কথাও ধরতে পারে।
Background Conversations চালু থাকলে কী হয়?
Settings-এর Voice অংশে Background Conversations অপশন থাকলে অন্য অ্যাপ ব্যবহার করার সময় বা ফোন লক থাকা অবস্থাতেও কথোপকথন চলতে পারে। OpenAI-এর ডকুমেন্টেশন অনুযায়ী আপনি নিজে শেষ করলে, অ্যাপ জোর করে বন্ধ করলে, ব্যবহারের সীমা শেষ হলে বা সেশনের সর্বোচ্চ সীমায় পৌঁছালে এই সেশন শেষ হয়। ফোন লক করলে স্ক্রিন শেয়ার কেমন আচরণ করবে, সেটা আলাদা হতে পারে।
হাত খালি না রেখে পড়াশোনার জন্য এটা সুবিধার, তবে ভুল করে অনেকক্ষণ সেশন চলতে থাকার ঝুঁকিও আছে। কাজ শেষ হলে অ্যাপে ফিরে বের হওয়ার বোতাম চাপুন। বাসে বা অফিসে বসে গোপন কোনো বিষয় নিয়ে এভাবে কথা বলবেন না।
Voice ব্যবহারের সীমা শেষ হয়ে গেলে কী হবে?
কতক্ষণ Voice ব্যবহার করা যাবে তা প্ল্যান, বেছে নেওয়া Voice আর নতুন আপডেট অনুযায়ী বদলায়। সীমার কাছাকাছি গেলে বা শেষ হলে ChatGPT জানিয়ে দিতে পারে। তখন লেখা চ্যাটে কাজ চালিয়ে যেতে পারেন, অথবা সীমা আবার চালু হলে নতুন Voice সেশন শুরু করতে পারেন। অন্য কারও পুরোনো তালিকায় লেখা মিনিটের হিসাব ধরে পরিকল্পনা করবেন না, নিজের অ্যাকাউন্টের এখনকার বার্তাটাই দেখুন।
ভিডিও আর স্ক্রিন শেয়ারের সীমা কণ্ঠের সীমা থেকে আলাদা হতে পারে। ক্যামেরা বন্ধ হয়ে গেলেও কথোপকথন চলতে থাকতে পারে। সীমার সমস্যাকে মাইক্রোফোনের সমস্যা ভেবে বসলে অকারণে অনুমতি বদলাতে থাকবেন।
কথোপকথনের লিখিত রূপ কীভাবে মিলিয়ে দেখবেন?
কথা শেষ হলে চ্যাটের ইতিহাসে লিখিত রূপটা যোগ হতে পারে। প্রথমে নাম, তারিখ, টাকার অঙ্ক আর কোনো প্রতিশ্রুতি থাকলে সেগুলো চিহ্নিত করুন। ইন্টারভিউয়ের অনুশীলন হলে হুবহু কথার চেয়ে উত্তরের গঠনটা দেখাই বেশি কাজের। মিটিং হলে কে কোন কাজ করবেন আর কবে, তা উপস্থিত সবার কাছ থেকে নিশ্চিত করুন। লিখিত রূপের কোনো বাক্য উদ্ধৃতিচিহ্ন দিয়ে প্রকাশ করার আগে মূল রেকর্ডিং লাগবে।
Voice-এর উত্তরে সাম্প্রতিক কোনো তথ্য এলে লেখায় সোর্সের লিংক চান। কথোপকথনের সময় ওয়েব সার্চ চললেও লিংকটা চ্যাটের স্ক্রিন থেকে খুলে মূল পাতাটা পড়ুন। কণ্ঠে আত্মবিশ্বাস থাকলেই সোর্স নির্ভরযোগ্য হয়ে যায় না।
কোন কাজে Voice ব্যবহার না করাই ভালো?
- হুবহু আইনি বক্তব্য লেখা: শব্দে শব্দে রেকর্ড দরকার হলে আলাদা রেকর্ডিং আর অনুমোদিত লিখিত রূপের ব্যবস্থা নিন।
- গোপন তথ্য মুখে বলা: পাসওয়ার্ড, OTP, API key বা পুরো অ্যাকাউন্ট নম্বর বলবেন না।
- জরুরি পরিস্থিতি: জরুরি চিকিৎসা বা নিরাপত্তার ব্যাপারে স্থানীয় জরুরি সেবা আর যোগ্য মানুষের সাহায্য নিন।
- অনেকজনের মিটিং: Voice মূলত একজনের সঙ্গে কথার জন্য তৈরি, কয়েকজন একসঙ্গে বললে কে কী বললেন গুলিয়ে যেতে পারে।
- চূড়ান্ত হিসাব: শুনে শুনে কোনো সংখ্যা হিসাবের খাতায় তুলবেন না, লেখা সোর্স আর হিসাব দেখে নিন।
একটা Voice সেশন সফল হলো কি না কীভাবে বুঝবেন?
ইন্টারভিউয়ের উদাহরণে দেখুন সাতটা প্রশ্নই হয়েছে কি না, চাওয়া তিনটা বিষয়ে মতামত এসেছে কি না, আর আপনার উত্তরে শুধু সত্যি তথ্যই ছিল কি না। যে প্রশ্নে উত্তর দুর্বল হয়েছে, লেখা চ্যাটে সেটা নিয়ে উদাহরণসহ নতুন একটা কাঠামো বানান, তারপর Voice-এ আবার বলে দেখুন।
ভাষা শেখার অনুশীলন হলে শুধু সাবলীলতা নয়, যা বোঝাতে চেয়েছিলেন তা ঠিকঠাক বোঝাতে পেরেছেন কি না দেখুন। কোনো তথ্য শেখার জন্য হলে পাঠ্যবই বা অফিশিয়াল সোর্সের সঙ্গে মূল কথাগুলো মিলিয়ে নিন। Voice দ্রুত চিন্তার সঙ্গী, কিন্তু চূড়ান্ত রেকর্ড বা পরীক্ষক নয়।
কাছাকাছি কাজের জন্য অন্য কোন টুল ভালো, জানতে পড়ুন ChatGPT এর বিকল্প: কাজভেদে ফ্রি AI টুল, কোনটা বাংলাদেশ থেকে চলে। আর প্রম্পট গুছিয়ে বলার মূল নিয়ম জানতে দেখুন প্রম্পট মানে কি? AI প্রম্পটের বাংলা অর্থ, উদাহরণ আর কপি করার মতো প্রম্পট।
তথ্যসূত্র, নভেম্বর ২০২৬: OpenAI Help Center: ChatGPT Voice; OpenAI Help Center: Voice Mode FAQ।
সচরাচর যা জিজ্ঞেস করা হয়
ChatGPT Voice কি Free অ্যাকাউন্টে চলে?
Voice-এর কথোপকথন কি রেকর্ড হিসেবে রাখা যায়?
ChatGPT কথা শেষ করার আগেই কি আমি বলতে পারি?
বাংলায় কি Voice ব্যবহার করা যায়?
মাইক্রোফোন বন্ধ করলে কি স্ক্রিন শেয়ারও বন্ধ হয়?
ChatGPT Voice হঠাৎ বন্ধ হয়ে যায় কেন?
AI থেকে ঠিক উত্তর বের করা শিখতে চাইলে
AI শুরু ও Prompt Engineering কোর্সে ChatGPT, Gemini আর Claude এর জন্য প্রম্পট লেখা একদম শুরু থেকে বাংলায় শেখানো হয়।
প্রম্পট ইঞ্জিনিয়ারিং কোর্সটা দেখুন
কোন AI voice tool বেছে নেবেন তা বুঝতে ChatGPT-এর বিকল্প AI tool গাইড দেখুন।

ChatGPT মাস্টারক্লাস
নিজের কাজ চেনে এমন একটা ChatGPT সেটআপ, রিপিট কাজের ওয়ার্কফ্লো, আর কোথায় ভরসা করবেন না তার পরিষ্কার ধারণা।
সম্পর্কিত লেখা
বিষয়টা বুঝেছেন, এবার হাতে কলমে শিখে কাজ শুরু করুন।
৩০ সেকেন্ডের কুইজ বলে দেবে আপনার অবস্থায় কোন কোর্সটা লাগবে।