أطلقت شركة “أوبن إيه آي” نموذج GPT-Live، وهو جيل جديد من نماذج الذكاء الاصطناعي الصوتية، يتيح تفاعلاً بالكلام يحاكي البشر، وهو أكثر نماذجها الصوتية تطوراً حتى الآن، خاصة من حيث تجربة المستخدم.
وبإمكان GPT-Live القدرة على الاستماع والتحدث في الوقت نفسه، إذ يعتمد على بنية تقنية كاملة الازدواجية (Full-Duplex)، بحسب “أوبن إيه آي”. وسيتوفر مباشرة عبر ChatGPT Voice على التطبيق.
تجربة ChatGPT Voice أكثر ذكاءً وطبيعية
وخلال المحادثة، يمكن للنموذج أن يُظهر متابعته للحديث مع المستخدم، من خلال عبارات قصيرة، وسكتات سريعة مثل “اممم” أو “فهمتك”، وأن يشارك في حوار سريع ومتواصل، أو أن يظل صامتاً عندما يحتاج المستخدم إلى لحظة للتفكير، وهو ما يجعل التجربة أكثر سلاسة وطبيعية.
وقالت “أوبن إيه آي” إن هذه التطورات تؤسس لتجربة ChatGPT Voice أكثر ذكاءً وطبيعية، كما تمهد مستقبلاً لاستخدام الصوت في تنفيذ مهام أكثر تعقيداً وطولاً، بما في ذلك المهام التي تعتمد على الوكلاء الأذكياء.
وطرحت الشركة OpenAI نسختين من نموذجها الجديد GPT-Live لمستخدمي ChatGPT حول العالم، هما GPT-Live-1، وGPT-Live-1 mini، كما تخطط لإتاحتهما قريباً عبر واجهات البرمجة API للمطورين.
وتسعى أوبن إيه آي إلى الوصول إلى تفاعل طبيعي بالكامل بين الإنسان والذكاء الاصطناعي، لكن الأجيال السابقة من الأنظمة الصوتية واجهت قيوداً حالت دون تحقيق هذه الرؤية بشكل كامل.
تطور التفاعل الصوتي عبرChatGPT
في البداية اعتمد ChatGPT Voice على 3 نماذج منفصلة، تعمل بالتتابع لتحويل الكلام إلى نص، ثم توليد الرد، ثم تحويله مجدداً إلى صوت، وهو ما أتاح للمستخدمين التحدث مع نماذج ذكاء اصطناعي متقدمة للمرة الأولى، لكنه تسبب في بطء الاستجابة، وفقدان بعض المعلومات بين المراحل المختلفة.
وبعد ذلك ظهرت نماذج أكثر تطوراً، مثل Advanced Voice Mode، التي عالجت الصوت داخل نموذج واحد وقللت زمن الاستجابة، إلا أنها ظلت تعتمد على نظام الأدوار المنفصلة، إذ ينتظر النموذج انتهاء المستخدم من الكلام قبل الرد، ما جعل الحوار أقل طبيعية وأكثر عرضة للمقاطعات الناتجة عن التوقفات القصيرة، أو الضوضاء المحيطة.
الجيل الجديد GPT-Live
في المقابل، يقدم الجيل الجديد GPT-Live نقلة نوعية، باعتماده على بنية كاملة الازدواجية (Full-Duplex)، تتيح له الاستماع والتحدث في الوقت نفسه.
وتقول أوبن إيه آي إن هذه الآلية تجعل الحوار أكثر سلاسة وطبيعية، وتمنح النموذج فهماً أفضل لتوقيت المحادثة، كما تفتح الباب أمام قدرات مثل الترجمة الفورية المباشرة أثناء الحديث.
وتتمثل الطفرة الثانية في فصل مهمة إدارة الحوار عن المهام الأكثر تعقيداً؛ فعندما يحتاج المستخدم إلى البحث على الإنترنت أو الاستدلال المتقدم أو تنفيذ مهام تعتمد على الوكلاء الأذكياء، يستطيع GPT-Live تفويض هذه المهام إلى نماذج أخرى أكثر تخصصاً مثل GPT-5.5، بينما يواصل التفاعل مع المستخدم والحفاظ على تدفق المحادثة دون انقطاع.
التواصل الصوتي مع ChatGPT
ووفق أوبن إيه آي، فإن أكثر من 150 مليون شخص يتحدثون أسبوعياً مع ChatGPT باستخدام ميزة التواصل الصوتي Voice، والكتابة بالصوت Dictation.
ويستخدم الأشخاص هذه المزايا للحصول على المساعدة اليومية دون استخدام الكتابة، أو لتعلم اللغات، أو لرواية القصص قبل النوم، أو لمجرد الدردشة أثناء التنقل.
والآن، سيحصل المستخدم عند الضغط على زر Voice في ChatGPT على تجربة جديدة، مدعومة بنموذج GPT Live، توفر محادثات أكثر طبيعية، وإجابات أكثر ذكاءً، وقدرات استماع محسنة، واستجابات مرئية. كما يستطيع المستخدم اختيار مستوى التفكير المناسب لاحتياجاته، سواء Instant للاستجابات السريعة، أو Medium
ولأن بعض الإجابات تصبح أكثر فائدة عندما تكون مصحوبة بعناصر بصرية، فقد أصبح ChatGPT قادراً، أثناء المحادثة الصوتية، على عرض بطاقات مرئية غنية لموضوعات مثل الطقس، والأسهم، والرياضة وغيرها.
ويدعم النموذج الجديد مزايا البحث، والذاكرة، والصور، ورفع الملفات، وبالتالي تصبح المحادثات أكثر ثراءً وفائدة؛ إذ يمكن للمستخدم تعزيز تجربته مع ChatGPT من خلال التحدث إليه، ومناقشته بشأن معلومات في ملفات نصية، أو الحصول على نصيحة بشأن طريقة تصوير معينة، أو طرح أسئلة عن محتوى الصور نفسها.
وسائل حماية
أعلنت الشركة عن تطوير وسائل حماية يمكنها التدخل أثناء حديث النموذج نفسه، وعندما يكتشف النظام استجابة قد تكون غير آمنة، يستطيع توجيه النموذج نحو رد أكثر أماناً، أو عرض رسائل وموارد إضافية متعلقة بالسلامة، أو إنهاء المحادثة الصوتية بالكامل في الحالات مرتفعة الخطورة.
وفي المحادثات المتعلقة بإيذاء النفس، عملت أوبن إيه آي على تكييف آليات الدعم الموجودة في ChatGPT لتناسب الاستخدام الصوتي، بما في ذلك توفير معلومات عن خطوط المساعدة المتخصصة، والمعتمدة من خبراء الأزمات.
وأضافت الشركة إجراءات حماية إضافية للمراهقين، ودرّبت النموذج على سلوكيات مناسبة للفئات العمرية المختلفة بهدف تقليل احتمالات تقديم ردود غير ملائمة.
ويستطيع الآباء تحديد ما إذا كان أبناؤهم المراهقون سيستخدمون ChatGPT Voice من خلال أدوات الرقابة الأبوية، كما يمكن إخطار أولياء الأمور المرتبطين بالحساب في الحالات عالية الخطورة التي تتضمن مؤشرات محتملة على إيذاء النفس أو النوايا الانتحارية.
طرح GPT-Live
بدأ طرح GPT-Live عالمياً لمستخدمي ChatGPT عبر تطبيقات iOS وAndroid ومنصة ChatGPT.com عبر الويب. وسيصبح GPT-Live-1 النموذج الافتراضي لتشغيل ChatGPT Voice لدى مشتركي Go وPlus وPro، بينما سيصبح GPT-Live-1 mini النموذج الافتراضي للاستخدام المجانبي.
وأوضحت الشركة أنها حسّنت أداء النموذج في عدد من أكثر اللغات استخداماً داخل ChatGPT، لكنها أشارت إلى أن بعض اللغات قد تشهد في الوقت الحالي لكنات غير محلية، أو بعض أوجه القصور في الطلاقة اللغوية، مؤكدة أنها تعمل على تحسين التجربة باستمرار.