OpenAI تضيف مكالمات SIP إلى GPT-Live: ذكاء اصطناعي صوتي بخمسة سنتات للدقيقة

في السابق، كي يتمكن وكيل ذكاء اصطناعي من الاتصال بعميل أو الرد على مكالمة، كان لا بد من طبقة منفصلة بين شبكة الهاتف والنموذج: خدمة اتصالات، ومنسّق صوتي، وأحيانًا خادم وسائط خاص. تخطو OpenAI خطوة نحو جعل هذه الطبقة أرق: فقد نشرت الشركة دليلًا لربط GPT-Live عبر SIP، وهو البروتوكول القياسي للاتصالات عبر بروتوكول الإنترنت.

كيف يتم الربط

المخطط مباشر إلى حد كبير. بالنسبة للمكالمات الواردة، تحصل على رقم من أي مزود SIP. يذكر كاتب التحليل خدمة Zadarma، لكن أي مزود آخر يصلح. بعد ذلك تضبط webhook على الحدث live.transport.incoming وتوجّه الحركة إلى sip.api.openai.com. وللعملاء الأوروبيين يوجد عنوان منفصل هو sip-eu، وهو أمر مهم إذا كنت تفكر في زمن الاستجابة وفي مكان معالجة البيانات.

تُطلق المكالمات الصادرة بطلب إلى /v1/live/sessions يُحدَّد فيه الرقم المطلوب الاتصال به. بعدها يتولى النموذج إدارة المحادثة.

تتضمن المنصة وظائف هاتفية أساسية: تحويل المكالمة إلى شخص آخر، وإرسال الأرقام (ذلك «اضغط 1» المعروف في القوائم الصوتية)، وإنهاء المكالمة. وتوجد أيضًا تكاملات جاهزة مع LiveKit وTwilio وTelnyx وBandwidth وDaily/Pipecat. أي أنك إن كنت تعمل أصلًا مع إحدى هذه الخدمات، فلا حاجة بالضرورة للانتقال إلى المخطط الجديد.

السعر: 5 سنتات للدقيقة مع المحاسبة بالثانية. لكن هذا يخص الطبقة الهاتفية والصوتية فقط، أما النموذج والأدوات فتُدفع بشكل منفصل. ينبغي حساب تكلفة المحادثة بجمع كل المكونات، لا بالاعتماد على هذا الرقم وحده.

ما يبقى على عاتقك

الخلاصة الرئيسية من تحليل الكاتب: «من العلبة» هو حاليًا مجموعة بناء خام وليس منتجًا جاهزًا للاتصال الجماعي. سيتعين عليك تنفيذ الكثير بنفسك:

• إنهاء المكالمة عندما يقول المحاور «إلى اللقاء». فالنموذج نفسه لن يغلق الخط؛
• التعرف على الرد الآلي وتقرير ما يجب فعله به؛
• تشغيل تحية مسجلة حرفيًا، مثلًا لأسباب قانونية؛
• تتبع المقاطعات، عندما يبدأ الشخص بالكلام فوق الوكيل.

كل هذه مشكلات مألوفة لدى الوكلاء الصوتيين، والمنصات المتخصصة هي التي تعالجها تحديدًا. لذلك من الحكمة النظر إلى هذا الجديد باعتباره وسيلة نقل، لا مركز اتصال جاهزًا.

اللغات وجودة الصوت

تضم القائمة 21 صوتًا، لكن الكاتب وجد بينها تعليقًا صوتيًا للإنجليزية والبرتغالية والألمانية والفرنسية واليابانية والكورية فقط. أما الروسية فتعمل، لكن بلكنة. وبالنسبة لمنتج موجّه للناطقين بالروسية فهذا ليس أمرًا هامشيًا: على الهاتف يلاحظ الناس بسرعة الكلام غير الطبيعي ويغلقون الخط في أحيان أكثر. إذا لم يكن سيناريوك بالإنجليزية، فاختبر الصوت أولًا في مكالمات حية، لا في العرض التجريبي.

الانطباع العام للكاتب: لدى OpenAI أصوات جيدة، لكن الإصدار يبدو كنسخة تجريبية.

ماذا تفعل بهذا

إذا كنت تبني وكيلًا صوتيًا لحجز المواعيد أو الدعم أو تأهيل العملاء المحتملين، فمن المجدي بناء نموذج أولي على SIP ومقارنته بالمنظومة الحالية وفق ثلاثة معايير: زمن الاستجابة، والتكلفة النهائية للدقيقة مع النموذج، وجودة الصوت بلغتك. وإذا كنت تدفع حاليًا لوسيط مقابل توجيه مكالمات بسيط، فلديك سبب لمراجعة العقد.

من ناحية أخرى، إذا كنت بحاجة إلى كشف الرد الآلي، وسيناريوهات صارمة، ومعالجة دقيقة للمقاطعات، فالمنصات الجاهزة أكثر ملاءمة حاليًا. والخبر مقلق أيضًا لمزودي المنصات الصوتية: إذ يتسرب جزء من قيمتهم إلى واجهة OpenAI البرمجية نفسها. لكنها حتى الآن نسخة تجريبية فعلًا، والقياس الحقيقي ينبغي أن يكون على مكالماتك أنت.