أعلنت OpenAI عن إطلاق GPT-Realtime-2 إلى جانب نموذجي GPT-Realtime-Translate وGPT-Realtime-Whisper عبر واجهة Realtime API، مع إتاحة المنصة رسميًا للاستخدام الإنتاجي بعد فترة تجريبية. وتركز هذه الخطوة على تطوير جيل جديد من الوكلاء الصوتيين القادرين على الاستماع والتحليل والترجمة والتفاعل أثناء المحادثة نفسها.
GPT-Realtime-2 يقدم معالجة صوتية مستمرة
تعتمد أغلب الأنظمة الصوتية الحالية على مراحل منفصلة تشمل تحويل الكلام إلى نص ثم معالجته قبل إعادة تحويله إلى صوت. أما GPT-Realtime-2 فيعمل بطريقة مختلفة، إذ يعالج الصوت بشكل متواصل أثناء الكلام، ما يقلل التأخير الناتج عن الانتقال بين المراحل المختلفة.
كما رفعت OpenAI نافذة السياق إلى 128K token بدل 32K في الإصدار السابق، وهو ما يسمح بإجراء جلسات صوتية أطول وتنفيذ مهام متعددة الخطوات دون الحاجة إلى أنظمة ذاكرة خارجية معقدة.
التركيز لم يعد على الردود فقط
تقول OpenAI إن النموذج الجديد صُمم لدعم ما تصفه بـ “السلوك الوكيلي” داخل المكالمات الصوتية. الفكرة هنا لا تتعلق بمجرد الإجابة عن الأسئلة، بل بإدارة المحادثة أثناء تنفيذ المهام.
ومن بين الوظائف التي أضافتها الشركة:
- عبارات تمهيدية أثناء تنفيذ الطلبات مثل “لحظة واحدة” أو “دعني أتحقق من ذلك”
- تنفيذ عدة استدعاءات خلفية بالتوازي
- شرح حالة الطلبات أثناء تنفيذها
- تحسين التعامل مع الأخطاء بدل التوقف المفاجئ
- تعديل نبرة الحديث بحسب السياق
هذا النوع من التفاعل يجعل الأنظمة الصوتية تبدو أقرب إلى مساعدات حقيقية بدل كونها أدوات ردود آلية تقليدية.
أداء أعلى في اختبارات الفهم الصوتي
بحسب OpenAI، حقق GPT-Realtime-2 تحسنًا بنسبة 15.2% مقارنة بالإصدار السابق في اختبار Big Bench Audio الخاص بالاستدلال الصوتي، إلى جانب تحسن بنسبة 13.8% في اختبار Audio Multichallenger المتعلق باتباع التعليمات الصوتية.
كما أشارت شركة Zillow إلى ارتفاع معدل نجاح المكالمات في أصعب اختبارات المحادثة لديها من 69% إلى 95% بعد تحسين التوجيهات الخاصة بالنموذج الجديد.
وتوضح هذه الأرقام أن OpenAI تحاول التركيز على جودة المحادثات الطويلة والمعقدة، وليس فقط سرعة الردود.
GPT-Realtime-Translate يستهدف الترجمة الحية
النموذج الثاني هو GPT-Realtime-Translate، وهو نظام مخصص للترجمة الفورية أثناء الحديث المباشر.
الميزة الأساسية هنا أن الترجمة تتم بشكل مستمر من دون الحاجة إلى انتظار انتهاء الجمل بالكامل، ما يجعله مناسبًا لاستخدامات مثل:
- خدمة العملاء متعددة اللغات
- الاجتماعات الدولية
- التعليم المباشر
- الفعاليات الحية
- فرق المبيعات العابرة للحدود
وتقول OpenAI إن النموذج يدعم أكثر من 70 لغة إدخال و13 لغة إخراج.
كما ذكرت شركة BolnaAI، المتخصصة في حلول الذكاء الصوتي للغات الهندية، أن النموذج الجديد خفّض معدل أخطاء الكلمات بنسبة 12.5% في لغات مثل الهندية والتاميلية والتيلوغو مقارنة بالحلول السابقة.
GPT-Realtime-Whisper يحول Whisper إلى نظام بث مباشر
أما GPT-Realtime-Whisper فيمثل تطويرًا مباشرًا لتقنية Whisper المعروفة من OpenAI، لكنه يضيف دعم النسخ الحي أثناء التحدث بدل الاعتماد على التسجيلات المكتملة.
ويستهدف هذا النموذج استخدامات تشمل:
| الاستخدام | الفائدة المحتملة |
|---|---|
| الاجتماعات المباشرة | إنشاء تسميات ونسخ فورية |
| غرف الأخبار | تسريع تفريغ المقابلات |
| المحاكم | توثيق الجلسات بشكل لحظي |
| أدوات الوصول | دعم المستخدمين ضعاف السمع |
ويعد هذا النموذج الأقل تكلفة بين الإصدارات الثلاثة وفق الأسعار التي أعلنتها OpenAI.
توسعات إضافية داخل Realtime API
إلى جانب النماذج الجديدة، أضافت OpenAI عدة ميزات إلى Realtime API، منها:
- دعم خوادم MCP
- إدخال الصور داخل الجلسات
- تكامل مكالمات SIP الهاتفية
هذه الإضافات توسع نطاق الاستخدامات الممكنة، خصوصًا للشركات التي تطور مراكز اتصال ذكية أو وكلاء صوتيين قادرين على تنفيذ مهام متعددة من داخل المحادثة نفسها.
الاهتمام المتزايد يجذب أيضًا الهجمات الاحتيالية
بالتزامن مع توسع أدوات الذكاء الاصطناعي، تتزايد أيضًا محاولات الاستغلال الأمني المرتبطة بها. وأشارت تقارير حديثة إلى ظهور مواقع مزيفة تنتحل خدمات ذكاء اصطناعي شهيرة لنشر برمجيات خبيثة عبر نتائج البحث المدفوعة.
لهذا السبب، يبقى من المهم تحميل الأدوات والبرامج من المواقع الرسمية فقط، خصوصًا مع ازدياد الإقبال على أدوات الذكاء الاصطناعي الجديدة.
📡 للمزيد من التغطيات اليومية، استكشف قسم الأخبار عبر موقعنا.
ابقَ دائماً في قلب الحدث التقني! 🔍
انضم الآن إلى نخبة متابعينا على تيليجرام و واتساب لتصلك أهم الأخبار والحصريات فور حدوثها! 💡
