تعرف على إمكانات نموذج ChatGPT الصوتي الجديد

أطلقت شركة OpenAI، اليوم الخميس، نموذج GPT-Live، وهو جيل جديد من نماذج الذكاء الاصطناعي الصوتية، يتيح تفاعلاً بالكلام يحاكي البشر، وسيتوفر مباشرة عبر ChatGPT Voice على التطبيق.

وقالت الشركة إن GPT-Live يعتمد على بنية تقنية كاملة الازدواجية  (Full-Duplex)، ما يتيح لمنصة ChatGPT القدرة على الاستماع والتحدث في الوقت نفسه.

خلال المحادثة، يمكن للنموذج أن يُظهر متابعته للحديث مع المستخدم، من خلال عبارات قصيرة، وسكتات سريعة مثل "اممم" أو "فهمتك"، وأن يشارك في حوار سريع ومتواصل، أو أن يظل صامتاً عندما يحتاج المستخدم إلى لحظة للتفكير، وهو ما يجعل التجربة أكثر سلاسة وطبيعية.

ChatGPT يحاكي حديث البشر

وأضافت OpenAI، في بيان، أن GPT-Live يمثل أكثر نماذجها الصوتية تطوراً حتى الآن، خاصة من حيث تجربة المستخدم.

على سبيل المثال، عندما يطرح المستخدم سؤالاً يحتاج إلى البحث على الإنترنت، أو التفكير المتعمق، أو تنفيذ مهام أكثر تعقيداً، يحيل النموذج المهمة إلى أحدث نماذج الذكاء الاصطناعي المتقدمة، التابعة للشركة في الخلفية، ثم يعيد النتيجة إلى المحادثة بمجرد أن تكون جاهزة.

وخلال ذلك، يواصل GPT-Live الحديث مع المستخدم، ويحافظ على تدفق الحوار بشكل طبيعي.

وعند الإطلاق، سيعتمد النظام على GPT-5.5 في الخلفية، على أن يجري تحديثه تلقائياً كلما أطلقت الشركة نماذج أكثر تقدماً.

أوضحت الشركة أن هذه التطورات تؤسس لتجربة ChatGPT Voice أكثر ذكاءً وطبيعية، كما تمهد مستقبلاً لاستخدام الصوت في تنفيذ مهام أكثر تعقيداً وطولاً، بما في ذلك المهام التي تعتمد على الوكلاء الأذكياء (Agents).

وبدأت OpenAI، الخميس، طرح نسختين من نموذجها الجديد GPT-Live لمستخدمي ChatGPT حول العالم، هما GPT-Live-1، وGPT-Live-1 mini، كما تخطط لإتاحتهما قريباً عبر واجهات البرمجة API للمطورين.

تسعى OpenAI إلى الوصول إلى تفاعل طبيعي بالكامل بين الإنسان والذكاء الاصطناعي، لكن الأجيال السابقة من الأنظمة الصوتية واجهت قيوداً حالت دون تحقيق هذه الرؤية بشكل كامل.

طفرة التفاعل الصوتي

في البداية، اعتمد ChatGPT Voice على 3 نماذج منفصلة، تعمل بالتتابع لتحويل الكلام إلى نص، ثم توليد الرد، ثم تحويله مجدداً إلى صوت، وهو ما أتاح للمستخدمين التحدث مع نماذج ذكاء اصطناعي متقدمة للمرة الأولى، لكنه تسبب في بطء الاستجابة، وفقدان بعض المعلومات بين المراحل المختلفة.

وبعد ذلك ظهرت نماذج أكثر تطوراً، مثل Advanced Voice Mode، التي عالجت الصوت داخل نموذج واحد وقللت زمن الاستجابة، إلا أنها ظلت تعتمد على نظام الأدوار المنفصلة، إذ ينتظر النموذج انتهاء المستخدم من الكلام قبل الرد، ما جعل الحوار أقل طبيعية وأكثر عرضة للمقاطعات الناتجة عن التوقفات القصيرة، أو الضوضاء المحيطة.

الجيل الجديد GPT-Live

في المقابل، يقدم الجيل الجديد GPT-Live نقلة نوعية، باعتماده على بنية كاملة الازدواجية (Full-Duplex)، تتيح له الاستماع والتحدث في الوقت نفسه.

وتقول OpenAI إن هذه الآلية تجعل الحوار أكثر سلاسة وطبيعية، وتمنح النموذج فهماً أفضل لتوقيت المحادثة، كما تفتح الباب أمام قدرات مثل الترجمة الفورية المباشرة أثناء الحديث.

وتتمثل الطفرة الثانية في فصل مهمة إدارة الحوار عن المهام الأكثر تعقيداً؛ فعندما يحتاج المستخدم إلى البحث على الإنترنت أو الاستدلال المتقدم أو تنفيذ مهام تعتمد على الوكلاء الأذكياء، يستطيع GPT-Live تفويض هذه المهام إلى نماذج أخرى أكثر تخصصاً مثل GPT-5.5، بينما يواصل التفاعل مع المستخدم والحفاظ على تدفق المحادثة دون انقطاع.

التواصل الصوتي مع ChatGPT

ووفق OpenAI، فإن أكثر من 150 مليون شخص يتحدثون أسبوعياً مع ChatGPT باستخدام ميزة التواصل الصوتي Voice، والكتابة بالصوت Dictation.

ويستخدم الأشخاص هذه المزايا للحصول على المساعدة اليومية دون استخدام الكتابة، أو لتعلم اللغات، أو لرواية القصص قبل النوم، أو لمجرد الدردشة أثناء التنقل.

والآن، سيحصل المستخدم عند الضغط على زر Voice في ChatGPT على تجربة جديدة، مدعومة بنموذج GPT Live، توفر محادثات أكثر طبيعية، وإجابات أكثر ذكاءً، وقدرات استماع محسنة، واستجابات مرئية.

كما يستطيع المستخدم اختيار مستوى التفكير المناسب لاحتياجاته، سواء Instant للاستجابات السريعة، أو Medium 

ولأن بعض الإجابات تصبح أكثر فائدة عندما تكون مصحوبة بعناصر بصرية، فقد أصبح ChatGPT قادراً، أثناء المحادثة الصوتية، على عرض بطاقات مرئية غنية لموضوعات مثل الطقس، والأسهم، والرياضة وغيرها.

ويدعم النموذج الجديد مزايا البحث، والذاكرة، والصور، ورفع الملفات، وبالتالي تصبح المحادثات أكثر ثراءً وفائدة؛ إذ يمكن للمستخدم تعزيز تجربته مع ChatGPT من خلال التحدث إليه، ومناقشته بشأن معلومات في ملفات نصية، أو الحصول على نصيحة بشأن طريقة تصوير معينة، أو طرح أسئلة عن محتوى الصور نفسها.

تقييمات صوتية واختبارات هجومية

بدأت OpenAI توسيع نطاق اختبارات السلامة لتشمل تقييمات صوتية جديدة تحاكي استخدام الأشخاص للمحادثات الصوتية في الحياة اليومية.

وأنشأت اختبارات اصطناعية تعتمد على ملفات صوتية مولدة آلياً، للتركيز بشكل أعمق على مجالات الأخطار الأساسية التي حددتها الشركة استناداً إلى خبرتها مع Advanced Voice Mode.

وشملت هذه المجالات: إيذاء النفس، والذهان، والهوس، والاعتماد العاطفي على الذكاء الاصطناعي، والعنف، وتعمد إنشاء المحتوى الجنسي، كما نفذ خبراء داخليون اختبارات هجومية متخصصة لرصد المخاطر الفريدة المرتبطة بالصوت.

وأظهرت نتائج الاختبارات أن GPT-Live قدم أداءً مماثلاً، أو أفضل من Advanced Voice Mode في معظم المجالات التي خضع للتقييم فيها.

وسائل حماية

ونظراً لأن المحادثات الصوتية تجري في الزمن الحقيقي، أعلنت الشركة تطوير وسائل حماية يمكنها التدخل أثناء حديث النموذج نفسه، وعندما يكتشف النظام استجابة قد تكون غير آمنة، يستطيع توجيه النموذج نحو رد أكثر أماناً، أو عرض رسائل وموارد إضافية متعلقة بالسلامة، أو إنهاء المحادثة الصوتية بالكامل في الحالات مرتفعة الخطورة.

وفي المحادثات المتعلقة بإيذاء النفس، عملت OpenAI على تكييف آليات الدعم الموجودة في ChatGPT لتناسب الاستخدام الصوتي، بما في ذلك توفير معلومات عن خطوط المساعدة المتخصصة، والمعتمدة من خبراء الأزمات.

وأضافت الشركة إجراءات حماية إضافية للمراهقين، ودرّبت النموذج على سلوكيات مناسبة للفئات العمرية المختلفة بهدف تقليل احتمالات تقديم ردود غير ملائمة.

ويستطيع الآباء تحديد ما إذا كان أبناؤهم المراهقون سيستخدمون ChatGPT Voice من خلال أدوات الرقابة الأبوية، كما يمكن إخطار أولياء الأمور المرتبطين بالحساب في الحالات عالية الخطورة التي تتضمن مؤشرات محتملة على إيذاء النفس أو النوايا الانتحارية.

التعلم من الاستخدام الواقعي

أعلنت OpenAI أيضاً إطلاق برامج قياس طويلة الأمد وآليات مراقبة بعد الإطلاق تركز على مسألة الاعتماد العاطفي على الذكاء الاصطناعي، بهدف تحسين فهم هذه الظاهرة وتعزيز وسائل الحماية المرتبطة بها.

وتستند هذه الجهود إلى أبحاث الشركة السابقة عن الاستخدام العاطفي للذكاء الاصطناعي وتأثيره على الصحة النفسية، مع السعي إلى اكتشاف الأنماط الناشئة، وتحسين استجابة النظام أثناء التفاعلات الحساسة عاطفياً.

بدأ طرح GPT-Live عالمياً لمستخدمي ChatGPT عبر تطبيقات iOS وAndroid ومنصة ChatGPT.com عبر الويب. وسيصبح GPT-Live-1 النموذج الافتراضي لتشغيل ChatGPT Voice لدى مشتركي Go وPlus وPro، بينما سيصبح GPT-Live-1 mini  النموذج الافتراضي للاستخدام المجانبي.

وأوضحت الشركة أنها حسّنت أداء النموذج في عدد من أكثر اللغات استخداماً داخل ChatGPT، لكنها أشارت إلى أن بعض اللغات قد تشهد في الوقت الحالي لكنات غير محلية، أو بعض أوجه القصور في الطلاقة اللغوية، مؤكدة أنها تعمل على تحسين التجربة.

ع ع