OpenAI تطلق نموذجَي الصوت GPT-Live-1 وGPT-Live-1 mini لتطبيق ChatGPT

أطلقت OpenAI في مطلع يوليو 2026 جيلًا جديدًا من نماذج الصوت لتطبيق ChatGPT، هو GPT-Live-1 ونسخته الأخف GPT-Live-1 mini، ونقلت الوضع الصوتي للمساعد بالكامل إلى بنية الازدواج الكامل. ونقل الخبر عن مصادر موقع 36Kr (36氪) الصيني المتخصص في أخبار التقنية.

ما الذي تغيّر في الوضع الصوتي في ChatGPT

كانت الإصدارات السابقة من المساعد الصوتي في ChatGPT تعمل وفق مبدأ التناوب الصارم: ينطق المستخدم جملته، فينتظر النموذج حتى تحدث فترة صمت ثم يبدأ بصياغة الرد، ولم يكن ممكنًا مقاطعة هذا الرد حتى نهايته. أما GPT-Live-1 وGPT-Live-1 mini فيغيّران هذا السيناريو جذريًا، إذ بُني النموذجان على بنية «الازدواج الكامل» (full duplex) التي تتيح استقبال كلام المستخدم وتوليد الكلام في الوقت نفسه، بدل العمل بالتناوب.

• يحمل النموذجان الجديدان اسمَي GPT-Live-1 (النسخة الأساسية) وGPT-Live-1 mini (نسخة أخف للسيناريوهات الأقل استهلاكًا للموارد)
• بُني النموذجان على بنية الازدواج الكامل، فيجري استقبال الكلام وتوليده بالتوازي لا بالتتابع
• يستطيع المستخدم مقاطعة رد النموذج في أي لحظة من المحادثة
• شمل التحديث كامل الوظائف الصوتية في ChatGPT

لماذا أصبحت المحادثة مع المساعد أكثر طبيعية

أهم نتائج الازدواج الكامل زوال فترات الصمت المحرجة والتناوب الصارم بين الأدوار، وهما سمتان ميّزتا روبوتات الصوت من الجيل السابق. فإذا وضّح المستخدم سؤاله في منتصف الجملة، أو غيّر صياغته، أو أراد ببساطة مقاطعة النموذج بعبارة «انتظر، لم أقصد هذا»، يتفاعل GPT-Live-1 فورًا بدل أن يكمل تشغيل ردٍّ جرى توليده مسبقًا حتى نهايته، كما كان يحدث في الأوضاع الصوتية الأقدم في ChatGPT.

ومن الناحية التقنية، يصعب تنفيذ الازدواج الكامل أكثر من السلسلة المعتادة «التعرّف على الكلام ← صياغة الرد ← تخليق الصوت»: فعلى النموذج أن يقرر باستمرار هل يواصل الكلام أم يستمع أم يفعل الأمرين معًا، دون أن تتداخل الأصوات ودون أن يفقد خيط المحادثة. ولهذا بقيت أنظمة كهذه نادرة زمنًا طويلًا حتى لدى المختبرات الكبرى.

لماذا الحاجة إلى النسخة الأخف mini

وجود نموذجين، GPT-Live-1 وGPT-Live-1 mini، خطوة معتادة في الخدمات الصوتية، حيث يؤثر زمن الاستجابة بشدة في الإحساس بحوار «حيّ». وقد صُمّمت النسخة الأخف للسيناريوهات التي تكون فيها سرعة الاستجابة وانخفاض الحمل على البنية التحتية أهم، بينما يمكن استخدام النموذج الأساسي حيث تكون الأولوية لجودة الرد ودقته.

أين سيكون الأثر الأوضح أولًا

تظهر سرعة الاستجابة في المحادثة بوضوح خاص حين يكون الصوت الوسيلة الوحيدة للتفاعل مع المساعد: أثناء القيادة، أو العمل باليدين، أو في سيناريوهات الإملاء ودعم العملاء صوتيًا. في مثل هذه المواقف تبدو الثانية الإضافية من الانتظار، أو العجز عن تصحيح النموذج بسرعة، أشد وطأة بكثير مما هي عليه في المحادثة النصية، حيث يمكن ببساطة إضافة التوضيح في الرسالة التالية. ويزيل الازدواج الكامل مصدر الانزعاج هذا تحديدًا، فتجري المحادثة دون فترات صمت مصطنعة من نوع «تحدّث بعد الإشارة».

ماذا يعني ذلك

يُظهر إطلاق GPT-Live-1 أن المنافسة بين المساعدات الصوتية القائمة على الذكاء الاصطناعي انتقلت من جودة تخليق الكلام المجردة إلى طبيعية الحوار نفسه، أي مدى إحساس المحادثة مع النموذج بأنها حيّة لا مجرد تبادل عبارات مع جهاز الرد الآلي. والمستخدمون الذين يتحدثون إلى ChatGPT صوتيًا أكثر فأكثر بدل الكتابة يحصلون على مساعد أقرب في سلوكه إلى محاور حقيقي بما فيه من مقاطعات وتوضيحات، منه إلى قائمة صوتية تقليدية ذات سيناريوهات جامدة. ومع أن لدى Google بالفعل وضعها الصوتي الخاص Gemini Live، يبدو تحديث المحرّك الصوتي في ChatGPT ردًّا مباشرًا على تصاعد المنافسة على المستخدمين الذين يفضلون التحدث إلى الذكاء الاصطناعي بدل الكتابة.