OpenAI تضيف إلى واجهة API نماذج GPT-Realtime-2 وTranslate وWhisper للتطبيقات الصوتية
أعلنت OpenAI دفعة واحدة عن ثلاثة نماذج صوتية فورية (realtime) في واجهة API. يعمل GPT-Realtime-2 باستدلال بمستوى GPT-5، ويستطيع استدعاء الأدوات، ويحتفظ بسياق يصل إلى 128K. أما GPT-Realtime-Translate فيترجم الكلام من أكثر من 70 لغة إلى 13 لغة بشكل فوري، بينما يوفر GPT-Realtime-Whisper نسخاً نصياً منخفض زمن الاستجابة للاجتماعات ودعم العملاء والإعلام. النماذج الثلاثة متاحة بالفعل في Realtime API وفي Playground.
معالج بواسطة الذكاء الاصطناعي من OpenAI Blog؛ بتحرير Hamidun News
في 7 مايو 2026 قدمت OpenAI في واجهة API ثلاثة نماذج صوتية تعمل في الوقت الفعلي دفعة واحدة: GPT-Realtime-2 للحوار وتنفيذ المهام، وGPT-Realtime-Translate للترجمة الفورية، وGPT-Realtime-Whisper للنسخ النصي بالبث المباشر. وتنقل الشركة بوضوح الواجهات الصوتية من نمط «الرد على العبارة» إلى نمط يستطيع فيه المساعد أن يستمع ويستدل ويستخدم الأدوات دون أن ينقطع عن مجرى المحادثة.
ثلاثة نماذج دفعة واحدة
فكرة الإصدار بسيطة: ينبغي أن يعمل الصوت في التطبيقات كواجهة متكاملة، لا كإضافة شكلية جذابة. وتشير OpenAI إلى أن المطورين يبنون بوتيرة متزايدة ثلاثة أنواع من السيناريوهات: voice-to-action، حيث يصوغ المستخدم مهمته بصوته فينفذ النظام الإجراءات بنفسه؛ وsystems-to-voice، حيث يُعلم البرنامج الشخص بنفسه بما يجري؛ وvoice-to-voice، حيث يساعد الذكاء الاصطناعي في إدارة حوار بين أشخاص يتحدثون لغات مختلفة. ومن أجل هذه السيناريوهات بُنيت الفئة الجديدة من النماذج.
- GPT-Realtime-2 — نموذج صوتي باستدلال بمستوى GPT-5، ويدعم استدعاء الأدوات، ويوفر سياقاً أطول.
- GPT-Realtime-Translate — ترجمة الكلام في الوقت الفعلي من أكثر من 70 لغة إدخال إلى 13 لغة إخراج، وبلا توقفات تقريباً.
- GPT-Realtime-Whisper — نسخ نصي بالبث المباشر يكتب النص أثناء الكلام، لا بعد انتهاء العبارة.
- الأسعار أُعلنت كذلك منذ البداية: يبلغ سعر GPT-Realtime-2 ما قدره $32 لكل مليون رمز صوتي مُدخل و$64 لكل مليون رمز مُخرج، وTranslate — $0.034 في الدقيقة، وWhisper — $0.017 في الدقيقة.
النماذج الثلاثة متاحة بالفعل عبر Realtime API، ويمكن تجربتها في Playground. وهذه نقطة مهمة: فـ OpenAI لا تعرض تصوراً بعيد المنال، بل تطرح مجموعة أدوات جاهزة للفرق التي تبني منتجات الدعم والوكلاء الصوتيين والترجمة الفورية وملاحظات الاجتماعات وغيرها من المنتجات القائمة على الكلام الحي. وهذه إشارة للسوق بأن الأدوات جاهزة ليس للعروض التجريبية فحسب، بل للمشاريع التجريبية الميدانية (pilots) أيضاً.
ما الذي تحسّن في الحوار
أبرز تحديث هو GPT-Realtime-2. يستطيع النموذج إدراج عبارات قصيرة مساعدة مثل «سأتحقق الآن» ليفهم المستخدم أن النظام منشغل بالمهمة. ويمكنه استدعاء عدة أدوات بالتوازي، وإعلان إجراءاته بصوت مسموع، والتعافي بشكل أفضل بعد الأخطاء والمقاطعات، والتعامل مع سيناريوهات أطول بكثير: فقد اتسعت نافذة السياق من 32K إلى 128K. وهذا أهم للإنتاج بكثير من «الصوت اللطيف»، لأن المساعدين الحقيقيين ينهارون عادةً في السلاسل الطويلة تحديداً.
وتشدد OpenAI بصورة خاصة على قابلية التحكم في النموذج. إذ يستطيع المطور اختيار مستوى الاستدلال من minimal إلى xhigh، موازناً بين زمن الاستجابة وجودة الإجابة. كما تحسّن فهم المصطلحات والأسماء العلمية والمفردات المتخصصة، ومنها الطبية مثلاً. وفي التقييمات الداخلية، سجّل GPT-Realtime-2 في وضع high نتيجة أعلى بنسبة 15.2% من GPT-Realtime-1.5 في Big Bench Audio، وفي وضع xhigh كان أفضل بنسبة 13.8% في Audio MultiChallenge من حيث اتباع التعليمات في المحادثة.
«بعد ضبط الموجّهات (prompts) رأينا ارتفاعاً في نسبة نجاح المكالمات من 69% إلى 95%»، هكذا تصف Zillow اختباراتها المبكرة لـ GPT-Realtime-2.
الترجمة والنسخ النصي
يستهدف النموذج الثاني، GPT-Realtime-Translate، الحوار الحي متعدد اللغات. فهو يترجم الكلام أثناء المحادثة، محافظاً على وتيرة المتحدث ومعنى كلامه حتى حين يتحدث الناس بلكنة، أو ينتقلون بين المواضيع، أو يستخدمون مفردات قطاعية. وتورد OpenAI على حدة حالات استخدام في الدعم والمبيعات العابرة للحدود والتعليم والفعاليات والإعلام ومنصات صنّاع المحتوى. وتختبر Deutsche Telekom النموذج في دعم العملاء متعدد اللغات، بينما تعرض Vimeo سيناريو تُترجم فيه الفيديوهات التعليمية أثناء التشغيل.
أما النموذج الثالث، GPT-Realtime-Whisper، فيعالج مهمة أكثر واقعية لكنها مطلوبة جداً: تحويل الكلام إلى نص بسرعة. وتقدمه OpenAI أساساً للترجمات النصية (الترجمة المصاحبة) وملاحظات الاجتماعات ونسخ الحصص الدراسية والبث المباشر، وكذلك للوكلاء الصوتيين الذين يحتاجون إلى فهم ما يقوله الشخص باستمرار.
وفي الوقت نفسه تذكّر الشركة بآليات الحماية: ففي Realtime API تعمل مصنِّفات نشطة، وقد يُوقَف جزء من الجلسات عند مخالفة القواعد، ويتعين على المطورين إبلاغ المستخدم بوضوح حين يتحدث إلى ذكاء اصطناعي.
ماذا يعني هذا
تحاول OpenAI الاستحواذ ليس على سوق نماذج الدردشة فحسب، بل على الطبقة الأساسية للمنتجات الصوتية أيضاً. وإذا كانت الجودة وزمن الاستجابة مطابقين فعلاً للمقاييس المعلنة، فستحصل الشركة على موقع قوي في مراكز الاتصال وخدمات السفر والمنصات التعليمية والمساعدات المؤسسية، حيث لا تكمن الأهمية في العروض التجريبية اللافتة، بل في محادثة مستقرة وترجمة بلا توقفات ونص يظهر في اللحظة نفسها التي يتحدث فيها الشخص.
- 12 نوفمبر 2026جنسن هوانغ يتنحى عن منصب الرئيس التنفيذي لـNvidia: الشركة تفقد 1.4 تريليون دولار خلال أسبوعين
- 12 نوفمبر 2026نقابة أوكلاند تنتزع إعادة التأهيل بدل الفصل بسبب الذكاء الاصطناعي: 94.1% يصوّتون لصالح الإضراب
- 12 نوفمبر 2026ثماني دول وOpenAI وAnthropic تعد بـ«زر إيقاف طارئ» لنماذج الذكاء الاصطناعي، لكن بلا مواعيد ولا غرامات
- 12 نوفمبر 2026OpenAI وModRetro تطلقان جهاز ألعاب بسعر 200 دولار للألعاب المكتوبة عبر Codex
أسئلة وأجوبة حول الخبر
ما أبرز التفاصيل حول ثلاثة نماذج دفعة واحدة؟
فكرة الإصدار بسيطة: ينبغي أن يعمل الصوت في التطبيقات كواجهة متكاملة، لا كإضافة شكلية جذابة. وتشير OpenAI إلى أن المطورين يبنون بوتيرة متزايدة ثلاثة أنواع من السيناريوهات: voice-to-action، حيث يصوغ المستخدم مهمته بصوته فينفذ النظام الإجراءات بنفسه؛ وsystems-to-voice، حيث يُعلم البرنامج الشخص بنفسه بما يجري؛ وvoice-to-voice، حيث يساعد الذكاء الاصطناعي في إدارة حوار بين أشخاص يتحدثون لغات مختلفة. ومن أجل هذه السيناريوهات بُنيت الفئة الجديدة من النماذج.
ما أبرز التفاصيل حول ما الذي تحسّن في الحوار؟
أبرز تحديث هو GPT-Realtime-2. يستطيع النموذج إدراج عبارات قصيرة مساعدة مثل «سأتحقق الآن» ليفهم المستخدم أن النظام منشغل بالمهمة. ويمكنه استدعاء عدة أدوات بالتوازي، وإعلان إجراءاته بصوت مسموع، والتعافي بشكل أفضل بعد الأخطاء والمقاطعات، والتعامل مع سيناريوهات أطول بكثير: فقد اتسعت نافذة السياق من 32K إلى 128K. وهذا أهم للإنتاج بكثير من «الصوت اللطيف»، لأن المساعدين الحقيقيين ينهارون عادةً في السلاسل الطويلة تحديداً. وتشدد OpenAI بصورة خاصة على قابلية التحكم في النموذج.
ما أبرز التفاصيل حول الترجمة والنسخ النصي؟
يستهدف النموذج الثاني، GPT-Realtime-Translate، الحوار الحي متعدد اللغات. فهو يترجم الكلام أثناء المحادثة، محافظاً على وتيرة المتحدث ومعنى كلامه حتى حين يتحدث الناس بلكنة، أو ينتقلون بين المواضيع، أو يستخدمون مفردات قطاعية. وتورد OpenAI على حدة حالات استخدام في الدعم والمبيعات العابرة للحدود والتعليم والفعاليات والإعلام ومنصات صنّاع المحتوى. وتختبر Deutsche Telekom النموذج في دعم العملاء متعدد اللغات، بينما تعرض Vimeo سيناريو تُترجم فيه الفيديوهات التعليمية أثناء التشغيل.
Test Frontier LLMs & Autonomous Agents in One Workspace
Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.
أهم ما في عالم الذكاء الاصطناعي — مرة كل أسبوع
سبع قصص مهمة فعلاً هذا الأسبوع، مختارة بعناية. بلا ضجيج ولا بيانات صحفية.
تم! تحقق من بريدك للتأكيد.