OpenAI تطبق صوت GPT-Live ثنائي الاتجاه على مستهلكي ChatGPT

بدأت OpenAI في نشر وضع صوتي مُعاد بناؤه لمستهلكي ChatGPT يوم الأربعاء، مستبدلة وضع Advanced Voice Mode بنموذجين، GPT-Live-1 وGPT-Live-1 mini، يمكنهما سماع المستخدم والرد في نفس الوقت.

سيتم إتاحة التحديث لحسابات المستهلكين المجانية والمدفوعة، ويأتي ذلك قبل يوم واحد من إطلاق عائلة نماذج GPT-5.6 من قبل الشركة.

السبب الرئيسي وراء التحول إلى GPT Live هو معماري. بينما كانت نماذج الصوت السابقة تنتظر انتهاء المتحدث البشري من جملته، يعمل GPT-Live بناءً على بنية full-duplex الخاصة بـ OpenAI، والتي تتضمن معالجة الكلام المدخل أثناء توليد الكلام المخرج في نفس الوقت.

ووفقاً لإعلان OpenAI، يقرر النموذج عدة مرات في الثانية ما إذا كان سيتحدث، أو يستمر في الاستماع، أو يتوقف، أو يتدخل، أو يلجأ إلى أداة. وعملياً، يعني ذلك أن المستخدم يمكنه التحدث فوقه، أو التوقف للتفكير دون انقطاع، أو سماعه يقول "mhmm" للإشارة إلى أنه يتابع.

OpenAI تطبق GPT-Live على صوت ChatGPT

تستخدم حسابات ChatGPT المجانية الآن بشكل افتراضي GPT-Live-1 mini، بينما يحصل المشتركون في طبقات Go وPlus وPro على الإصدار الأكبر GPT-Live-1.

يشمل الإطلاق أنظمة iOS وAndroid والويب، وبما أن ChatGPT يعمل بالفعل من خلال CarPlay، فقد لاحظت 9to5Mac أن التحديث يصل أيضاً إلى السيارة. تقول OpenAI إن الأصوات التسعة في ChatGPT قد تمت إعادة إتقانها للنماذج الجديدة.

وقالت أيضاً إنها بنت GPT-Live ليكون محاوراً، وليس محرك استنتاج. بالنسبة للطلبات الأكثر تعقيداً، لا يتعامل GPT-Live مع كل شيء بمفرده. ووفقاً لـ OpenAI، فإن نموذج الصوت قادر على تفويض مهام مثل البحث عبر الويب والاستنتاج وحتى الإجابات متعددة الخطوات إلى GPT-5.5 دون إيقاف محادثة الصوت.

ومن المفترض أن يعالج هذا أحد أوجه القصور الرئيسية في وضع الصوت السابق لـ ChatGPT، حيث بدا أحياناً أقل قوة مقارنة بالكتابة. سيكون للمستخدمين أيضاً خيار الاختيار بين وضع الاستجابة السريعة ووضع الجهد العالي.

تضيف OpenAI أيضاً ترجمة الكلام شبه الفورية وبطاقات بصرية للطقس وأسعار الأسهم ونتائج المباريات، مما يمنح المستخدمين بعض الإجابات على الشاشة بدلاً من أن تقرأ ChatGPT كل شيء بصوت عالٍ. وقالت الشركة إن أكثر من 150 مليون شخص يستخدمون بالفعل ميزات ChatGPT مثل الصوت والكتابة الصوتية كل أسبوع.

GPT-Live يحسن تدفق الصوت لكنه يترك فجوات

ووفقاً لـ TechCrunch، التي غطت مؤتمر صحفي لـ OpenAI، كان للترجمة الهندية لهجة أمريكية قوية مع لغة جامدة وأكاديمية جداً.

وبحسب OpenAI، يعمل النموذج بشكل أفضل مع "بعض اللغات الأكثر شيوعاً في ChatGPT"، على الرغم من أنهم يحذرون من وجود مشكلة في اللهجة أو الطلاقة في بعض اللغات. كما ذكرت OpenAI أن الصوت المدمج مع مقاطع الفيديو ومشاركة الشاشة غير مدعوم حتى الآن.

على الرغم من أن OpenAI قدمت GPT-Live كنسخة أكثر إنسانية من مجموعتها الكاملة من النماذج، فإنها تصر على أنها ليست رفيقاً للذكاء الاصطناعي. سلطت الشركة أيضاً الضوء على الضوابط التي وضعتها لضمان استجابات مناسبة للعمر للمراهقين. وأضافت أيضاً أن موارد الأزمات موجودة في حال توجيه محادثة المستخدم نحو إيذاء النفس.

يتم الاحتفاظ بمقاطع الصوت من محادثات Live وAdvanced Voice لمدة 30 يوماً ولا يتم استخدامها لتدريب النماذج ما لم يختار المستخدمون مشاركتها.

قال أتي إليتي، قائد منتج صوت ChatGPT، في المؤتمر الصحفي إنه أجرى محادثات مدتها 30 إلى 40 دقيقة مع الميزة أثناء المشي، وجادل بأن الصوت قد يصبح طريقة رئيسية يقوم بها الناس بمهام أطول وأكثر تعقيداً.

أنواع حالات الاستخدام المذهلة التي نراها الناس يستخدمون بها Codex وChatGPT لإنجازها، نعتقد أن الصوت يمكن أن يكون واجهة المستقبل لجميع أنواع العمل

– إليتي عبر TechCrunch

إطلاق GPT-5.6 يضع التوقيت في بؤرة الاهتمام

تحديث الصوت منفصل عن إطلاق النموذج الذي حددته OpenAI ليوم الخميس.

ووفقاً لـ Cryptopolitan، تم منح الموافقة على GPT-5.6 للإصدار العام بعد أن أفرجت وزارة التجارة الأمريكية عن الحظر المفروض خلال مراجعتها للأمن القومي، وهو متاح في ثلاث نسخ: Sol وTerra وLuna.

من المقرر أن يصل GPT-Live إلى واجهة برمجة التطبيقات (API) الخاصة بـ OpenAI بعد إطلاق النسخة الاستهلاكية، مع تمكن المطورين من التسجيل للحصول على الوصول.