OpenAI تكشف عن جيل جديد من النماذج الصوتية
أعلنت OpenAI إطلاق جيل جديد من نماذج الذكاء الاصطناعي الصوتية تحت اسم GPT-Live-1 وGPT-Live-1 mini، في خطوة تستهدف تطوير تجربة التفاعل الصوتي داخل ChatGPT وجعلها أكثر طبيعية وسلاسة للمستخدمين.
ويعتمد النظام الجديد على تقنية Full-Duplex التي تتيح للمساعد الذكي الاستماع والتحدث في الوقت نفسه، ما يسمح بإجراء محادثات أكثر واقعية، مع إمكانية مقاطعة المستخدم للمساعد أثناء الحديث دون التأثير على سير الحوار.
GPT-Live-1 mini يصبح الوضع الصوتي الافتراضي
أوضحت الشركة أن نموذج GPT-Live-1 mini سيكون الوضع الصوتي الافتراضي الجديد في ChatGPT، بينما سيتاح النموذج الأكثر تقدماً GPT-Live-1 للمشتركين في الخطط المدفوعة.
ويأتي هذا التحديث ضمن استراتيجية الشركة لتطوير قدرات المساعد الصوتي وتحسين جودة التواصل الصوتي مع المستخدمين عبر مختلف الأجهزة والمنصات.
نهاية النظام التقليدي لمعالجة الصوت
يعتمد الوضع الصوتي السابق في ChatGPT على ثلاث مراحل منفصلة تبدأ بتحويل الكلام إلى نص، ثم معالجة الطلب عبر نموذج لغوي، وأخيراً تحويل الرد النصي إلى صوت.
أما النماذج الجديدة فتقدم تجربة أكثر انسيابية من خلال معالجة المحادثة بشكل مباشر، ما يقلل التأخير ويجعل التفاعل أقرب إلى أسلوب التواصل البشري الطبيعي.
تحسين فهم السياق وتقليل المقاطعات
أكدت OpenAI أن النماذج الجديدة تعالج عدداً من المشكلات التي واجهت الإصدارات السابقة، ومن أبرزها مقاطعة المستخدم أثناء الحديث وضعف التعامل مع الأسئلة المعقدة.
كما يمكن للنظام الاستفادة من قدرات أحدث نماذج الشركة، مثل GPT-5.5، لتنفيذ عمليات البحث والاستدلال وإنجاز المهام المختلفة، مع الحفاظ على استمرارية المحادثة دون انقطاع.
الترجمة الفورية ودعم المحادثات الطويلة
من أبرز المزايا التي يوفرها الوضع الصوتي الجديد إمكانية إجراء ترجمة فورية مباشرة أثناء الحوار، إضافة إلى القدرة على الاستماع لفترات طويلة واستيعاب سياق الحديث قبل تقديم الرد المناسب.
وتؤكد الشركة أن النظام صُمم لدعم المحادثات الممتدة لعشرات الدقائق، مع الحفاظ على الترابط بين أجزاء الحوار وفهم تفاصيله بشكل أفضل.
عرض المعلومات بصرياً أثناء المحادثة
لا تقتصر التحديثات الجديدة على الردود الصوتية فقط، إذ أصبح بإمكان المساعد عرض معلومات وبيانات بشكل بصري أثناء المحادثة عند الحاجة، ما يضيف بعداً جديداً للتفاعل بين المستخدم والنظام.
ويهدف هذا التوجه إلى تحسين تجربة الاستخدام وتسهيل الوصول إلى المعلومات أثناء تنفيذ المهام المختلفة.
OpenAI تراهن على الصوت كواجهة المستقبل
ترى OpenAI أن الأوامر الصوتية قد تصبح الواجهة الأساسية للتعامل مع الحواسيب والأنظمة الذكية خلال السنوات المقبلة، خاصة مع تطور الوكلاء الأذكياء وقدرتهم على تنفيذ المهام المعقدة.
وتتوقع الشركة أن يتمكن المستخدمون مستقبلاً من إدارة أعمالهم والتفاعل مع التطبيقات والخدمات الرقمية بشكل شبه كامل عبر المحادثات الصوتية.
أكثر من 150 مليون مستخدم للميزات الصوتية
كشفت الشركة أن أكثر من 150 مليون مستخدم يعتمدون حالياً على ميزات Voice وDictation داخل ChatGPT، في ظل المنافسة المتزايدة بين شركات التكنولوجيا لتطوير مساعدين صوتيين أكثر ذكاءً وقدرة على فهم السياق.
وتسعى شركات كبرى مثل Apple وAmazon إلى تحديث مساعداتها الصوتية، بينما تعمل شركات ناشئة على تطوير أنظمة قادرة على تنفيذ المهام في الخلفية بالتزامن مع استمرار الحوار مع المستخدم.
تحديات قائمة رغم التطورات الجديدة
رغم التحسينات الكبيرة، أقرت OpenAI بأن النظام لا يزال بحاجة إلى مزيد من التطوير، خاصة فيما يتعلق بجودة الترجمة الفورية وطبيعية النطق في بعض اللغات.
وأشارت الشركة إلى أن النماذج الجديدة تم تحسينها للعمل مع معظم اللغات الشائعة، دون الكشف عن قائمة محددة للغات التي حصلت على أفضل مستويات الدعم.
كما أكدت تضمين ضوابط أمان مدمجة تهدف إلى تقديم استجابات مناسبة للمراهقين وتوفير موارد دعم عند مناقشة موضوعات حساسة، مع التأكيد على أن الهدف الرئيسي من الميزة يتمثل في تعزيز الإنتاجية وتحسين تجربة الاستخدام.
