OpenAI تستبدل الوضع الصوتي المتقدم في ChatGPT بنماذج GPT-Live ثنائية الاتجاه

أطلقت OpenAI في 8 يوليو خدمة GPT-Live، وهي عبارة عن نموذجين صوتيين جديدين — GPT-Live-1 و GPT-Live-1 mini — يمكنهما الاستماع والتحدث في الوقت ذاته، ليحلا محل الوضع الصوتي المتقدم الأقدم في ChatGPT لأكثر من 150 مليون مستخدم حول العالم.

كانت سلسلة معالجة الصوت السابقة تجمع بين مراحل منفصلة لتحويل الكلام إلى نص، ونموذج اللغة، وتحويل النص إلى كلام. وكانت كل مرحلة انتقال تضيف زمن استجابة وتجعل النظام غير قادر على الاستجابة بشكل طبيعي للمقاطعات أثناء الحديث. يقوم GPT-Live بدمج هذه المراحل الثلاث في نموذج واحد يعالج الصوت الخام في الوقت الفعلي، تماماً كما يبقى الشخص منخرطاً في المحادثة دون الدخول في حالة توقف للمعالجة.

ما يفعله GPT-Live فعلياً

يدعم النظام التناوب الطبيعي في الحديث — بما في ذلك الإشارات الخلفية المناسبة مثل "همم" أو البقاء صامتاً بينما يفكر المستخدم — ويمكنه استمرار المحادثات لمدة 30 إلى 40 دقيقة، وهو امتداد ملحوظ مقارنة بتجربة الصوت السابقة. وعندما يتطلب سؤال المستخدم بحثاً على الويب أو تفكيراً أعمق أو عميلاً معقداً، يقوم GPT-Live بتوجيه الطلب إلى GPT-5.5 في الخلفية ويدمج النتيجة مرة أخرى في المحادثة الصوتية دون انقطاع مسموع. كما يتم دعم التنسيق المرئي: حيث يمكن للنماذج عرض المعلومات كنص أو مخرجات منظمة على الشاشة جنباً إلى جنب مع الاستجابة المنطوقة.

تطبق إجراءات الحماية المدمجة تلقائياً استجابات مناسبة للعمر للمستخدمين المراهقين وتوفر الموارد عندما تلامس المحادثات مواضيع مثل إيذاء النفس.

الإتاحة والوصول

أصبح GPT-Live-1 mini الآن تجربة الصوت الافتراضية لجميع مستخدمي ChatGPT. ويحصل مشتركو الفئات المدفوعة على إمكانية الوصول إلى GPT-Live-1، النموذج الأكبر والأقوى أداءً في المهام المعقدة. وقد قامت OpenAI بتحسين كلا النموذجين لأكثر اللغات انتشاراً على مستوى العالم.

تم عرض ميزة الترجمة المباشرة أثناء الإطلاق، على الرغم من أن عرضاً توضيحياً للغة الهندية لفت الانتباه بلهجته الأمريكية الثقيلة وأدائه غير الطبيعي — وهو تذكير بأن جودة الترجمة الفورية لا تزال تمتلك مجالاً كبيراً للتحسين.

لماذا هذا مهم

تصف OpenAI الصوت بأنه سيصبح "الواجهة الأساسية للحوسبة" للأعمال المطولة والمعقدة — وهو إطار يضع GPT-Live كبنية تحتية وليس مجرد ميزة. ويتفاعل أكثر من 150 مليون شخص بالفعل مع ChatGPT من خلال الصوت والإملاء. ومن خلال طرح نموذج ثنائي الاتجاه لجميع المستخدمين افتراضياً — وليس فقط كفئة مميزة — تراهن OpenAI رهاناً هيكلياً على أن تفاعل الذكاء الاصطناعي المعتمد على الصوت أصبح جاهزاً للاستخدام السائد.

كما يرفع هذا التحول من حدة المنافسة لكل من Gemini Live من Google، وطبقة الصوت في Apple Intelligence، ومنتجات الذكاء الاصطناعي الصوتي الأخرى التي لا تزال تطور قدرات مماثلة.

وكما أفادت أولاً TechCrunch، أصبح GPT-Live-1 mini من OpenAI متاحاً الآن لجميع المستخدمين، على أن يتم طرح GPT-Live-1 لمشتركي الفئات المدفوعة.