كشفت شركة OpenAI المدعومة من مايكروسوفت (NASDAQ: MSFT ) عن GPT-Live، وهو جيل جديد من نماذج الصوت المصممة لتشغيل المحادثات الطبيعية في الوقت الفعلي على ChatGPT Voice.

على عكس الأنظمة التقليدية التي تنتظر انتهاء المستخدم من الكلام، يستمع نظام GPT-Live ويستجيب في آنٍ واحد. وهذا يُمكّنه من التعامل مع المقاطعات الفورية، والتعرف على فترات الصمت، وتقديم إشارات حوارية موجزة مثل "أجل" أو "همم" لخلق انسيابية شبيهة بالتواصل البشري.

يتكامل النظام أيضًا بشكل مباشر مع منظومة OpenAI الأوسع. فبينما يتعامل مع التفاعلات الصوتية القياسية بشكل أصلي، يقوم GPT-Live تلقائيًا بتوجيه الطلبات المعقدة - مثل عمليات البحث على الويب أو الاستدلال المتقدم - إلى نموذج متقدم منفصل قبل إعادة النتائج بسلاسة عبر واجهة الصوت.

سيعتمد GPT-Live في البداية على GPT-5.5 لأحمال العمل الثقيلة وسيتم تحديثه مع توفر نماذج أحدث.

وأشارت الشركة أيضاً إلى أن الاختبارات الداخلية أظهرت تحسينات مقارنة بوضع الصوت المتقدم السابق عبر مقاييس تشمل تدفق المحادثة، والتعامل مع المقاطعات، وتفضيلات المستخدم خلال محادثات تتراوح مدتها من خمس إلى عشر دقائق.

يُوسّع التحديث نطاق خدمة ChatGPT Voice لتشمل ما هو أبعد من الردود الصوتية. وأوضحت OpenAI أن هذه الميزة ستبدأ بعرض بطاقات مرئية أثناء المحادثات الصوتية لمواضيع مثل الطقس والأسهم والرياضة، مع الحفاظ على إمكانية الوصول إلى أدوات أخرى كالبحث والذاكرة وإنشاء الصور وتحميل الملفات.

تتضمن النماذج الجديدة تدابير أمان صوتية إضافية، بما في ذلك الحماية من تقليد الصوت غير المصرح به والأنظمة المصممة للتعامل مع المحادثات الحساسة، باستخدام مجموعة محدودة من الأصوات المعتمدة بدلاً من السماح للمستخدمين بإنشاء نسخ طبق الأصل مباشرة من الأشخاص الحقيقيين.

أقرت الشركة بأن الأداء قد يختلف باختلاف اللغات، حيث لا تزال بعض اللغات تعاني من اختلافات في دقة اللهجة وطلاقة النطق.

"لقد قمنا بتحسين GPT-Live لبعض اللغات الأكثر شيوعًا في ChatGPT. بالنسبة لبعض اللغات، قد يكون لدى النموذج لكنة غير أصلية أو فجوات في الطلاقة. نحن نعمل بنشاط على تحسين التجربة عبر جميع اللغات"، كما صرحت الشركة.

الصوت المدعوم بالذكاء الاصطناعي: الواجهة الرئيسية التالية

يمثل هذا الإصدار خطوة أخرى في السباق بين مطوري الذكاء الاصطناعي، حيث تتنافس الشركات للانتقال من روبوتات الدردشة النصية إلى مساعدين أكثر استمرارية وتفاعلية.

تعمل جوجل على توسيع قدراتها الصوتية المدعومة بتقنية Gemini، وتقوم أمازون بإعادة بناء Alexa حول الذكاء الاصطناعي التوليدي، وتعمل أبل على إدخال المزيد من ميزات الذكاء الاصطناعي المتقدمة في Siri من خلال منصة Apple Intelligence الخاصة بها.

في الوقت نفسه، تُكثّف الشركات الناشئة، بما فيها ElevenLabs، جهودها في مجال الكلام المُولّد بالذكاء الاصطناعي، والوكلاء الصوتيين، وتطبيقات المحادثة. وفي فبراير، أعلنت الشركة عن أحدث نماذجها لتحويل النص إلى كلام، Eleven v3.

صورة: Shutterstock