OpenAI GPT-Live-1 متاح عالميًا، واستبدال وضع الصوت المتقدم بميزة الصوت ثنائي الاتجاه

أطلقت OpenAI رسميًا نماذج الصوت ثنائية الاتجاه GPT-Live-1 وGPT-Live-1 mini في 9 يوليو، وتتوفر الآن على مستوى العالم على iOS وAndroid وChatGPT.com، لتحل محل وضع الصوت المتقدم القديم.

مواصفات إطلاق GPT-Live-1 وGPT-Live-1 mini: خطط المستخدمين المدفوعين والمجانيين وترتيبات الوصول عبر API

وفقًا لإعلان OpenAI، فإن نطاق استخدام نماذج GPT-Live هو كما يلي: GPT-Live-1 هو النموذج الافتراضي للمستخدمين في خطط Go وPlus وPro المدفوعة؛ GPT-Live-1 mini مخصص للمستخدمين المجانيين؛ أما بالنسبة لـ API، فإن المطورين حاليًا في قائمة الانتظار ولم يتم فتح الوصول بعد.

تم إطلاق النموذجين على الفور على مستوى العالم على iOS وAndroid وChatGPT.com، وهو ثالث تحديث رئيسي لتقنية الصوت في ChatGPT خلال عامين، وأوضح إعلان من OpenAI أن الصوت سيصبح الواجهة الرئيسية للحوار بين الإنسان والذكاء الاصطناعي، بدلاً من كونه وظيفة إضافية للدردشة النصية.

مبدأ الهيكلية ثنائية الاتجاه: مشكلة وضع الصوت المتقدم القديم وحل GPT-Live

وفقًا لمدونة أبحاث OpenAI، كانت المشكلة الأساسية في وضع الصوت المتقدم القديم تعتمد على تحديد الدور من خلال الصمت — حيث يمكن أن يُخطئ توقف مؤقت أو ضوضاء خلفية في اعتباره انتهاء المستخدم من الكلام، مما يؤدي إلى مقاطعة النموذج في أوقات غير طبيعية؛ هذا "تبادل الأدوار بشكل متكرر" يجعل الحوار يقتصر على شخص واحد يتحدث في كل مرة، مما يعيق التجربة بشكل طبيعي.

اعتمد GPT-Live على هيكلية ثنائية الاتجاه، حيث يقوم النموذج بمعالجة المدخلات وإنتاج المخرجات بشكل مستمر، مع القدرة على اتخاذ قرارات تفاعلية متعددة في الثانية، مثل متى يفتح فمه، يستمر في الاستماع، يتوقف مؤقتًا، يقاطع، أو يستدعي أدوات، مما يقرب الحوار من نمط التواصل البشري الحقيقي.

تصميم فصل طبقات الصوت والاستنتاج: تفويض GPT-5.5، مستويات استنتاج ثلاثية ووظائف جديدة

التصميم الرئيسي لـ GPT-Live هو فصل وحدات "طبقة التفاعل الصوتي" و"طبقة الاستنتاج" بشكل نمطي: يتم معالجة الأسئلة البسيطة مباشرة بواسطة GPT-Live؛ أما الأسئلة المعقدة (مثل تصفح الإنترنت، الاستنتاج العميق، أو المهام متعددة الخطوات) فتُفوض إلى GPT-5.5 الذي يعمل في الخلفية، مع استمرار الحوار أثناء العمليات الحسابية، دون توقف أو فراغات لثوانٍ.

فوائد هذا التصميم المعياري تشمل إمكانية ترقية الذكاء الاستنتاجي دون الحاجة لإعادة تدريب نموذج الصوت، مما يتيح للشركات والمطورين ربط وكلاء الصوت بقاعدة البيانات، البحث، والمهام متعددة الخطوات. الوظائف الجديدة التي أُطلقت مع التحديث تشمل:

• مستويات استنتاج ثلاثية: فوري، متوسط، معقد، يختار المستخدم مستوى السرعة والعمق المناسب له.
• بطاقات بصرية فورية: تظهر تلقائيًا معلومات مثل الطقس، أسعار الأسهم، نتائج الرياضة، والخرائط أثناء الحوار.
• تسع أصوات حوارية: تم إعادة تصميمها مع التركيز على "تصميم للحوار، وليس تقليد الصوت"، مع آليات حماية لمنع تقليد أصوات البشر.

الأسئلة الشائعة

ما الفرق بين خطط استخدام GPT-Live-1 وGPT-Live-1 mini؟

وفقًا لإعلان OpenAI، فإن GPT-Live-1 هو النموذج الافتراضي للمستخدمين في خطط Go وPlus وPro المدفوعة؛ GPT-Live-1 mini مخصص للمستخدمين المجانيين؛ أما الوصول عبر API فهو متاح للمطورين في قائمة الانتظار. النموذجان متاحان على الفور على iOS وAndroid وChatGPT.com عالميًا.

كيف يتعامل GPT-Live مع المهام المعقدة، وما الفرق عن وضع الصوت المتقدم القديم؟

وفقًا لوصف OpenAI، يعتمد GPT-Live على هيكلية فصل طبقة التفاعل الصوتي وطبقة الاستنتاج؛ حيث تُفوض المهام المعقدة إلى GPT-5.5 في الخلفية، مع استمرار الحوار خلال العمليات الحسابية، دون توقف أو فراغات لثوانٍ، على عكس وضع الصوت المتقدم القديم الذي كان يعتمد على الصمت لتحديد الدور، مما يسبب أخطاء في توقيت المقاطعة. أما GPT-Live فاعتمد على الهيكلية ثنائية الاتجاه، مما يسمح بمعالجة المدخلات وإنتاج المخرجات بشكل متزامن.

لماذا يؤكد تصميم أصوات GPT-Live الجديدة على "منع تقليد أصوات البشر"؟

وفقًا للتقارير، يرتبط هذا التصميم بحادث صوت "Sky" الذي حدث عند إصدار GPT-4o في مايو 2024، حيث اعتُقد أن الصوت يشبه الممثلة Scarlett Johansson، التي رفضت سابقًا دعوة سام ألتمان لتسجيل صوتي، ووصفته لاحقًا بالصدمة والغضب؛ قامت OpenAI حينها بسحب الصوت والاعتذار. أما الآن، فتؤكد الأصوات التسع الجديدة على "تصميم للحوار، وليس تقليد الصوت"، مع تفعيل آليات حماية تقنية لمنع تقليد أصوات البشر.