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)
إصدارAPI / منتج · جاهز للعمل3DNews AI→ المصدر

OpenAI تطلق GPT-Realtime-2 ونموذجين صوتيين آخرين عبر واجهة API

وسّعت OpenAI واجهة API بثلاثة نماذج صوتية: GPT-Realtime-2 المحدَّث ونموذجان جديدان. وتتيح هذه النماذج للتطبيقات التعرف على الكلام وتوليده وترجمة المحادثات في الوقت الفعلي. النماذج متاحة حالياً للمطورين فقط عبر API، ولن تظهر في ChatGPT. وتمثل هذه الخطوة تقدماً نحو تفاعل أكثر طبيعية مع الذكاء الاصطناعي (AI).

معالج بواسطة الذكاء الاصطناعي من 3DNews AI؛ بتحرير Hamidun News
OpenAI تطلق GPT-Realtime-2 ونموذجين صوتيين آخرين عبر واجهة API
المصدر: 3DNews AI. كولاج: Hamidun News.
استمع للمقال
بطاقة الحقائق والأرقام
المعيارالتفاصيل
المصدر الأصلي3DNews AI ↗
رئيس التحرير
حقيقة رئيسية #1التعرف على الكلام (speech-to-text) مع دعم لغات عديدة
حقيقة رئيسية #2توليد الكلام (text-to-speech) بصوت طبيعي ونبرة معبّرة
حقيقة رئيسية #3ترجمة المحادثات في الوقت الفعلي مع الحفاظ على السياق

أعلنت OpenAI توسيع إمكانات الصوت في واجهة API الخاصة بها. ويحصل المطورون الآن على إمكانية الوصول إلى النموذج المحدَّث GPT-Realtime-2 ونموذجين صوتيين جديدين للتعرف على الكلام وتوليده وترجمته.

ثلاثة نماذج صوتية جديدة في API

أضافت OpenAI إلى API ثلاثة نماذج: GPT-Realtime-2 المحدَّث (نسخة محسّنة من النموذج الحالي) ونموذجان جديدان كلياً. وصُمّمت هذه النماذج لمهام مختلفة: التعرف على كلام المستخدم، وتوليد الرد صوتياً، وترجمة المحادثات بين اللغات في الوقت الفعلي.

وهذا يعني أن بإمكان المطورين الآن دمج التفاعل الصوتي مباشرةً في تطبيقاتهم دون الاعتماد على خدمات خارجية للتعرف على الكلام وتوليده. وكان عليهم سابقاً دمج عدة مزوّدين: واحد للتعرف على الكلام، وآخر لتوليده، وثالث للترجمة. أما الآن فكل ذلك في مكان واحد.

ما الذي تستطيع النماذج الجديدة فعله

  • التعرف على الكلام (speech-to-text) مع دعم لغات عديدة
  • توليد الكلام (text-to-speech) بصوت طبيعي ونبرة معبّرة
  • ترجمة المحادثات في الوقت الفعلي مع الحفاظ على السياق
  • زمن استجابة منخفض للتطبيقات التفاعلية (streaming)
  • تكامل عميق مع GPT-4 لفهم المعنى

تدرّبت النماذج على كميات كبيرة من البيانات الصوتية، وتحقق نتائج جيدة في الإنجليزية وفي اللغات الأخرى على حد سواء. وقد حُدِّث GPT-Realtime-2 بتحسين معالجة الكلام الطبيعي وفهم السياق وسرعة الرد.

ويحصل المطورون على أدوات لبناء تطبيقات تسمع المستخدم وتفهم ما يقوله وترد عليه بالصوت. وهذا مهم للمساعدات الصوتية ومراكز الاتصال والتطبيقات التعليمية والخدمات التفاعلية.

كيف يعمل ذلك عملياً

تخيّل تطبيقاً لتعلّم اللغات. يتحدث المتعلّم بلغة أجنبية، فتلتقط API كلامه (speech-to-text) وترسل النص إلى GPT-4 للتحقق منه وتصحيحه، ثم تنطق النتيجة بصوت طبيعي (text-to-speech). وكل ذلك يحدث في الوقت الفعلي.

أو تطبيق للترجمة: سائحة تتحدث بالروسية، فتترجم API كلامها في الوقت الفعلي وتنطقه بالإنجليزية. بلا أي تأخير، كما يحدث في Google Translate.

التوافر والمنافسة

النماذج متاحة حالياً عبر API للمطورين فقط. ولن تظهر في ChatGPT أو في تطبيقات OpenAI الاستهلاكية الأخرى (على الأقل في المستقبل القريب). وهذا يتيح لـ OpenAI وضع الإمكانات الجديدة في أيدي المتخصصين وصقلها على تطبيقات حقيقية، ثم دمجها لاحقاً في المنتجات الاستهلاكية عند الحاجة.

ستكون أسعار API أعلى من أسعار النماذج النصية، لكنها أقل من أسعار المنافسين (مثل Google Cloud Speech-to-Text). وتنافس OpenAI كلاً من Google وAmazon Polly وMicrosoft Azure Speech Services ومنصات سحابية أخرى. وواجهات الصوت البرمجية ساحة منافسة شديدة، إذ يحسب فيها كل جزء من الثانية في زمن الاستجابة وكل نقطة مئوية في الدقة.

لم تعد الواجهة الصوتية أمراً غريباً، بل أصبحت معياراً للتطبيقات الحديثة.

ماذا يعني ذلك

أصبحت الواجهة الصوتية أكثر إتاحة. يستطيع أي مطور الآن إضافة محادثة صوتية مع AI إلى تطبيقه دون تكاليف باهظة لدمج خدمات الجهات الخارجية. وسيسرّع ذلك ظهور تطبيقات AI الصوتية في السوق، ويجعل التفاعل مع الخدمات أكثر طبيعية.

القصة

أسئلة وأجوبة حول الخبر

ما أبرز التفاصيل حول ثلاثة نماذج صوتية جديدة في API؟

أضافت OpenAI إلى API ثلاثة نماذج: GPT-Realtime-2 المحدَّث (نسخة محسّنة من النموذج الحالي) ونموذجان جديدان كلياً. وصُمّمت هذه النماذج لمهام مختلفة: التعرف على كلام المستخدم، وتوليد الرد صوتياً، وترجمة المحادثات بين اللغات في الوقت الفعلي. وهذا يعني أن بإمكان المطورين الآن دمج التفاعل الصوتي مباشرةً في تطبيقاتهم دون الاعتماد على خدمات خارجية للتعرف على الكلام وتوليده. وكان عليهم سابقاً دمج عدة مزوّدين: واحد للتعرف على الكلام، وآخر لتوليده، وثالث للترجمة. أما الآن فكل ذلك في مكان واحد.

ما أبرز التفاصيل حول ما الذي تستطيع النماذج الجديدة فعله؟

التعرف على الكلام (speech-to-text) مع دعم لغات عديدة توليد الكلام (text-to-speech) بصوت طبيعي ونبرة معبّرة ترجمة المحادثات في الوقت الفعلي مع الحفاظ على السياق زمن استجابة منخفض للتطبيقات التفاعلية (streaming) تكامل عميق مع GPT-4 لفهم المعنى تدرّبت النماذج على كميات كبيرة من البيانات الصوتية، وتحقق نتائج جيدة في الإنجليزية وفي اللغات الأخرى على حد سواء. وقد حُدِّث GPT-Realtime-2 بتحسين معالجة الكلام الطبيعي وفهم السياق وسرعة الرد.

ما أبرز التفاصيل حول كيف يعمل ذلك عملياً؟

تخيّل تطبيقاً لتعلّم اللغات. يتحدث المتعلّم بلغة أجنبية، فتلتقط API كلامه (speech-to-text) وترسل النص إلى GPT-4 للتحقق منه وتصحيحه، ثم تنطق النتيجة بصوت طبيعي (text-to-speech). وكل ذلك يحدث في الوقت الفعلي. أو تطبيق للترجمة: سائحة تتحدث بالروسية، فتترجم API كلامها في الوقت الفعلي وتنطقه بالإنجليزية. بلا أي تأخير، كما يحدث في Google Translate.

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…