أصدرت OpenAI اليوم رسميًا تجربة صوتية جديدة لـ ChatGPT تعتمد على GPT‑Live، وهي ترقية معمارية مهمة في مسار التكنولوجيا الصوتية الخاص بها. وبالمقارنة مع الوضع الصوتي المتقدم السابق، والذي سيتم إطلاقه لعدد أكبر من المستخدمين في عام 2024، فإن الإصدار الجديد من الوضع الصوتي لم يعد يعتمد على النظام الصوتي التقليدي، ولكنه يتحول إلى نموذج صوتي في الوقت الفعلي مصمم خصيصًا لعملاء الصوت الأذكياء.
كان يُنظر إلى وضع الصوت المتقدم في السابق على أنه تقدم في تجربة المساعد الصوتي من خلال حواره الأكثر طبيعية وسرعة الاستجابة المحسنة ودعم المقاطعات. ومع ذلك، فإن الجيل اللاحق من نماذج الكلام في الوقت الفعلي التي أطلقتها OpenAI كشف بسرعة عن قيود هذه التكنولوجيا القديمة.
في وقت مبكر من شهر مايو من هذا العام، أعلنت OpenAI عن نموذج الكلام في الوقت الفعلي الأكثر تقدمًا حتى الآن، GPT-Realtime-2، مما يوفر إمكانات التفكير المنطقي على مستوى GPT-5 لسيناريوهات التفاعل الصوتي في الوقت الفعلي. بالمقارنة مع أنظمة الكلام السابقة التي ركزت فقط على "التحدث بسرعة والإجابة بشكل جيد"، يمكن لـ GPT-Realtime-2 التعامل بشكل أفضل مع الطلبات المعقدة، وتتبع سياقات المحادثة الطويلة بشكل أكثر استقرارًا، وإكمال المهام متعددة الخطوات مع الحفاظ على سرعة التحدث الطبيعية ونبرة الصوت. على هذا الأساس، أصدرت OpenAI الآن جيلًا جديدًا من تجربة ChatGPT الصوتية استنادًا إلى بنية GPT‑Live، مما يزيد من حد التفاعل للمساعدين الصوتيين.
يكمن جوهر هذه الترقية في GPT‑Live، وهي بنية نموذج صوتي مزدوج الاتجاه، والتي تسمح لـ ChatGPT "بالتحدث والاستماع والتفكير في نفس الوقت"، على عكس المساعدين الصوتيين التقليديين الذين يتطلبون منك إنهاء التحدث ثم الرد. في التفاعلات الفعلية، يمكن لـ GPT‑Live بشكل طبيعي إدراج تعليقات طفيفة للنغمة مثل "حسنًا" و"همم" عندما يتوقف المستخدمون عن الكلام أو يبطئونه، بدلاً من مقاطعة الجمل الكاملة تقريبًا. عندما يحتاج المستخدم إلى التفكير للحظة، يمكن للنموذج أيضًا أن يختار بوعي البقاء هادئًا لتجنب التعرض للإزعاج.
فيما يتعلق بالتحكم في المقاطعة، يمكن للمستخدمين مقاطعة السؤال أو تغيير اتجاهه في أي وقت، وسيقوم النموذج على الفور بضبط منطق الاستجابة للاتصال بسلاسة بهدف المحادثة الجديد. تقول OpenAI إن التجربة الصوتية الجديدة يمكنها أيضًا التعامل مع الأسئلة التي تتطلب بحثًا شبكيًا أو تفكيرًا أعمق أو تخطيطًا معقدًا للمهام لأن أحدث "نماذجها المتطورة" يتم استدعاؤها لتوليد الإجابات. حاليًا، يستخدم GPT‑Live GPT‑5.5 افتراضيًا في الخلفية. وهذا يعني أن ما يكتسبه المستخدمون في السيناريو الصوتي ليس فقط إيقاع حوار أقرب إلى البشر، ولكن أيضًا قدرة "إعادة التفكير" المشابهة لوضع النص.
أعلنت OpenAI أيضًا في الوقت نفسه أنها ستطلق نسختين من نموذج GPT‑Live لمستخدمي ChatGPT العالميين: GPT‑Live‑1 وGPT‑Live‑1 mini. من بينها، سيستخدم مستخدمو المستويات المدفوعة مثل ChatGPT Go وPlus وPro GPT‑Live‑1 الأكثر شمولاً بشكل افتراضي، بينما سيحصل المستخدمون المجانيون على تجربة صوتية مدعومة بـGPT‑Live‑1 mini. بالنسبة للمطورين وعملاء المؤسسات، سيكون هذان النموذجان متاحين أيضًا للوصول من خلال واجهات برمجة التطبيقات، مما يسهل عليهم إنشاء جيل جديد من وكلاء الصوت والتطبيقات الرأسية.
من منظور الإيقاع، تعمل OpenAI على تسريع ترقية نموذج المساعد الصوتي التقليدي "جهاز الاتصال اللاسلكي" إلى وضع وكيل ذكي مزدوج الاتجاه أقرب إلى المحادثات الشخصية الحقيقية. ومع تنفيذ نماذج مثل GPT‑Realtime‑2 وGPT‑Live، يتحول الوضع الصوتي ChatGPT من أداة أسئلة وأجوبة صوتية بسيطة إلى "شريك محادثة ذكي" يمكنه أداء مهام معقدة والحفاظ على تفاعلات طويلة الأمد في بيئة صوتية.