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
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.
- 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 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.
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.