بث مباشر 18.11 · الدفعة 318 نوفمبر، 19:00 بتوقيت موسكو — ورشة عملية مجانية لوكلاء الذكاء الاصطناعي · الدفعة 3 تبدأ 23.11ورشة 18 نوفمبر ←الدفعة 3 (23.11)
إصدارتحليل · على الرادارTNW→ المصدر

OpenAI تطلق GPT-Realtime-2 بقدرات استدلال في الحوار الصوتي المباشر

أطلقت OpenAI ثلاثة نماذج صوتية جديدة: GPT-Realtime-2 بمستوى استدلال من فئة GPT-5، ونموذج ترجمة يدعم أكثر من 70 لغة، وإصدار streaming من Whisper للتفريغ النصي في الوقت الفعلي. وحددت الشركة أسعارًا منخفضة بشكل لافت، في مسعى واضح للاستحواذ سريعًا على حصة في سوق تطبيقات الذكاء الاصطناعي الصوتية.

معالج بواسطة الذكاء الاصطناعي من TNW؛ بتحرير Hamidun News
OpenAI تطلق GPT-Realtime-2 بقدرات استدلال في الحوار الصوتي المباشر
المصدر: TNW. كولاج: Hamidun News.
استمع للمقال
بطاقة الحقائق والأرقام
المعيارالتفاصيل
المصدر الأصليTNW ↗
رئيس التحرير
حقيقة رئيسية #1GPT-Realtime-2 للاستدلال الصوتي والحوار الديناميكي
حقيقة رئيسية #2نموذج ترجمة يدعم أكثر من 70 لغة إدخال
حقيقة رئيسية #3Streaming Whisper للتفريغ النصي الصوتي بزمن استجابة منخفض

أطلقت OpenAI ثلاثة نماذج صوتية جديدة ضمن واجهة API الخاصة بها، ما يتيح للمطورين دمج استدلال من فئة GPT-5 (المستوى الخامس) مباشرة في تطبيقات الصوت والواجهات الصوتية. وتمثل هذه الخطوة حلقة جديدة في صراع OpenAI على الهيمنة في سوق الذكاء الاصطناعي.

GPT-Realtime-2: استدلال في الوقت الفعلي

يُدخل GPT-Realtime-2 للمرة الأولى القدرة على الاستنتاج المنطقي المعقد إلى الحوار الصوتي المباشر. وعلى عكس المساعدات الصوتية البسيطة، يفهم النموذج الجديد الفروق الدقيقة (nuance) في سياق المحادثة، ويستطيع التعامل مع المهام متعددة الخطوات دون أن يفقد المعنى. ويكتسب ذلك أهمية في التطبيقات التي تتطلب استشارات أو تخطيطًا أو تحليلات أو دعمًا فنيًا، أي حيث لا تكفي الردود النمطية الجاهزة.

يعالج النموذج الكلام في الوقت الفعلي، ما يتيح للمستخدم التحدث بحرية دون انتظار فاصل زمني للمعالجة. وتصل الردود بسرعة طبيعية، ما يولّد انطباعًا بالحديث مع محاور حقيقي.

الترجمة متعددة اللغات والتفريغ النصي

أطلقت OpenAI نموذج ترجمة مستقلًا يدعم أكثر من 70 لغة إدخال. وهذا يتيح للمطورين بناء تطبيقات عالمية دون الحاجة إلى تعدد النماذج بحسب كل لغة، إذ يغطي نموذج واحد الجزء الأكبر من سكان العالم.

كما أعلنت الشركة عن إصدار streaming من Whisper للتفريغ النصي. فهو يعالج الصوت في الوقت الفعلي ويُخرج النص تباعًا مع وصول الصوت. ويُعد ذلك حاسمًا لتطبيقات مثل مكالمات الفيديو والمترجمين الفوريين (live) والمساعدات الصوتية، حيث يؤثر زمن الاستجابة (latency) مباشرة في تجربة المستخدم (UX).

المكونات الرئيسية الثلاثة:

  • GPT-Realtime-2 للاستدلال الصوتي والحوار الديناميكي
  • نموذج ترجمة يدعم أكثر من 70 لغة إدخال
  • Streaming Whisper للتفريغ النصي الصوتي بزمن استجابة منخفض

استراتيجية التسعير: الاستحواذ على السوق

حددت OpenAI أسعارًا منخفضة بشكل لافت للنماذج الجديدة، ما يجعلها في متناول الفرق الصغيرة من المطورين والشركات الناشئة. وتستهدف الشركة بوضوح الاستحواذ سريعًا على حصة في سوق تطبيقات الذكاء الاصطناعي الصوتية. ويتناقض هذا النهج مع موقع نماذجها النصية، حيث تحافظ OpenAI على موقع تسعيري مرتفع.

ويدل الاستثمار في إتاحة النماذج الصوتية بأسعار ميسّرة على أن OpenAI ترى في الصوت الحدود التالية للتفاعل مع الذكاء الاصطناعي. ومن يستحوذ أولًا على المطورين في هذا المجال سيحظى بميزة تنافسية قوية.

ماذا يعني ذلك

تنتقل الواجهات الصوتية للذكاء الاصطناعي من المرحلة التجريبية إلى جزء عملي من حزمة (stack) أدوات المطور. وتخفّض الأسعار الأكثر إتاحة حاجز الدخول، فبات بوسع أي شركة ناشئة دمج الذكاء الاصطناعي الصوتي في تطبيقها دون استثمارات كبيرة. وسيسرّع ذلك ظهور تطبيقات صوتية جديدة في السوق.

القصة

أسئلة وأجوبة حول الخبر

ما أبرز التفاصيل حول GPT-Realtime-2: استدلال في الوقت الفعلي؟

يُدخل GPT-Realtime-2 للمرة الأولى القدرة على الاستنتاج المنطقي المعقد إلى الحوار الصوتي المباشر. وعلى عكس المساعدات الصوتية البسيطة، يفهم النموذج الجديد الفروق الدقيقة (nuance) في سياق المحادثة، ويستطيع التعامل مع المهام متعددة الخطوات دون أن يفقد المعنى. ويكتسب ذلك أهمية في التطبيقات التي تتطلب استشارات أو تخطيطًا أو تحليلات أو دعمًا فنيًا، أي حيث لا تكفي الردود النمطية الجاهزة. يعالج النموذج الكلام في الوقت الفعلي، ما يتيح للمستخدم التحدث بحرية دون انتظار فاصل زمني للمعالجة.

ما أبرز التفاصيل حول الترجمة متعددة اللغات والتفريغ النصي؟

أطلقت OpenAI نموذج ترجمة مستقلًا يدعم أكثر من 70 لغة إدخال. وهذا يتيح للمطورين بناء تطبيقات عالمية دون الحاجة إلى تعدد النماذج بحسب كل لغة، إذ يغطي نموذج واحد الجزء الأكبر من سكان العالم. كما أعلنت الشركة عن إصدار streaming من Whisper للتفريغ النصي. فهو يعالج الصوت في الوقت الفعلي ويُخرج النص تباعًا مع وصول الصوت. ويُعد ذلك حاسمًا لتطبيقات مثل مكالمات الفيديو والمترجمين الفوريين (live) والمساعدات الصوتية، حيث يؤثر زمن الاستجابة (latency) مباشرة في تجربة المستخدم (UX).

ما أبرز التفاصيل حول استراتيجية التسعير: الاستحواذ على السوق؟

حددت OpenAI أسعارًا منخفضة بشكل لافت للنماذج الجديدة، ما يجعلها في متناول الفرق الصغيرة من المطورين والشركات الناشئة. وتستهدف الشركة بوضوح الاستحواذ سريعًا على حصة في سوق تطبيقات الذكاء الاصطناعي الصوتية. ويتناقض هذا النهج مع موقع نماذجها النصية، حيث تحافظ OpenAI على موقع تسعيري مرتفع. ويدل الاستثمار في إتاحة النماذج الصوتية بأسعار ميسّرة على أن OpenAI ترى في الصوت الحدود التالية للتفاعل مع الذكاء الاصطناعي. ومن يستحوذ أولًا على المطورين في هذا المجال سيحظى بميزة تنافسية قوية.

ZK
جمال حميدون — مدير المنتجات في Alpina Digital ومدير منتج AlpinaGPT. يبني منتجات الذكاء الاصطناعي منذ 2019. بدأ Hamidun News كمشروع شخصي ثم أصبح مُجمِّعًا إنتاجيًا بأكثر من 6000 قارئ.
✦ Unified AI Workspace · Nomad

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.

Try Nomad AI →Launch Nomad Agent
ما رأيك؟
جارٍ تحميل التعليقات…