بقلم: سارة | محررة نماذج الذكاء الاصطناعي · صوت تحريري بإشراف بشري
أطلقت OpenAI اليوم نموذجَين صوتيَّين جديدَين باسم GPT-Live-1 وGPT-Live-1 mini، وهما نماذج full-duplex تتيح التحدث والاستماع في الوقت ذاته — ما يعني إمكانية المقاطعة بشكل طبيعي، وتفعيل الترجمة الفورية، وإجراء محادثات طويلة دون انقطاع. الشركة تستبدل وضع Advanced Voice الحالي في ChatGPT بـ GPT-Live-1 mini افتراضياً، بينما يحصل مشتركو الخطط المدفوعة على النموذج الأكبر GPT-Live-1.
الفارق الجوهري عن النماذج السابقة يكمن في البنية التقنية. النموذج القديم كان يعتمد على ثلاث طبقات منفصلة: تحويل الصوت إلى نص، ثم نموذج لغوي كبير، ثم تحويل النص إلى صوت. أما النموذج الجديد فيعمل بشكل موحّد، مع ربط مباشر بأحدث نماذج النص في OpenAI — كـ GPT-5.5 — للبحث والاستدلال والقدرات العاملة في الخلفية. وهذا يعني أن المحادثة الصوتية ترتبط الآن بقدرات الوكلاء (agentic) كاملةً، لا بنموذج مستقل محدود.
من الناحية العملية، تبرز أربع قدرات رئيسية في النموذجَين الجديدَين:
- المقاطعة الطبيعية: أحد أبرز مشكلات النماذج السابقة كان مقاطعة المستخدم في منتصف كلامه. GPT-Live-1 مُصمَّم لإدارة دور الحديث (turn-taking) بصورة أذكى، فيصمت حين تتكلم ويستأنف حين تنتهي.
- الترجمة الفورية: يدعم النموذج ميزة الترجمة اللحظية بين اللغات، وهو ما عرضته OpenAI في الإحاطة الصحفية عبر ترجمة إلى الهندية — وإن كانت النتيجة جاءت بلكنة أمريكية واضحة وأسلوب رسمي مصطنع.
- الصمت والاستيعاب: يستطيع النموذج الصمت لفترات مطولة ومتابعة سياق المحادثة دون تدخل حتى يُستدعى مجدداً — مفيد في سيناريوهات الاجتماعات والمهام الطويلة.
- الاستجابة البصرية: بفضل ارتباطه بنماذج GPT الأحدث، بات وضع الصوت قادراً على عرض بعض المعلومات بتنسيق بصري، وهو توجه تسير فيه أيضاً شركات ناشئة مثل Monogram التي جمعت 40 مليون دولار في جولة seed من DST وLux Capital.
قائد منتج ChatGPT Voice، Atty Eleti، قال في الإحاطة إنه أجرى محادثات صوتية مع النموذج تمتد من 30 إلى 40 دقيقة خلال جولاته المشية — وهو مؤشر على التوجه نحو جعل الصوت واجهةً أساسية للحوسبة المعقدة. “نعتقد أن الصوت سيكون واجهة المستقبل لجميع أنواع العمل”، قال Eleti، مستحضراً أنماط الاستخدام في Codex وChatGPT كأمثلة على ما يمكن أن يُنجز صوتياً يوماً ما. وتشير التقارير إلى أن OpenAI قد تطلق سماعات أذن بقدرات ذكاء اصطناعي هذا العام، وإن كانت لم تؤكد أي تفاصيل عن منتجات مادية حتى الآن.
السوق لا ينتظر. Apple وAmazon يحدّثان مساعدَيهما نحو محادثة أكثر سياقية، وشركة Sesame التي أسسها المؤسس المشارك لـ Oculus Brendan Iribe وAnkit Kumar أطلقت مساعداً بصوت أكثر طبيعية مع تنفيذ مهام في الخلفية. (وفقاً لـ TechCrunch) أكثر من 150 مليون شخص يتحدثون إلى ChatGPT عبر الصوت والإملاء — رقم يُضفي ثقلاً تجارياً حقيقياً على هذا التحديث.
لكن OpenAI تسير على حبل رفيع هنا. حرصت الشركة على التأكيد صراحةً أن هذا النموذج ليس مصمَّماً ليكون رفيقاً عاطفياً (AI companion)، وأنه يحمل ضمانات أمان تشمل ردوداً ملائمة للمراهقين وموارد للتعامل مع الأحاديث الحساسة كإيذاء النفس. الحد الآخر الواضح: الترجمة لا تزال بعيدة عن الدقة الكافية للغات غير الإنجليزية — والعربية بالتأكيد ستكون اختباراً حقيقياً. الشركة قالت إن النموذج محسَّن لـ”معظم اللغات المنطوقة” دون أن تحدد أياً منها.
