أخبار ar.wedoany.com، أطلقت شركة الذكاء الاصطناعي الأمريكية OpenAI نموذجها الصوتي الجديد GPT-Live، المصمم لتمكين تفاعل صوتي أكثر طبيعية بين الإنسان والآلة. يعتمد هذا النموذج على بنية الاتصال المزدوج الكامل (Full-Duplex)، مما يسمح له بالاستماع المستمر والرد في الوقت الفعلي، دون الاعتماد الكامل على نمط التناوب التقليدي للمساعدات الصوتية القائم على "انتظار انتهاء المستخدم من الحديث ثم بدء النظام بالرد".
سيتم إطلاق GPT-Live بنسختين، هما GPT-Live-1 وGPT-Live-1 mini. ستصبح GPT-Live-1 النموذج الصوتي الافتراضي لـ ChatGPT Voice الموجه لمستخدمي خطط Go وPlus وPro، بينما ستصبح GPT-Live-1 mini النموذج الصوتي الافتراضي للمستخدمين المجانيين. وأوضحت OpenAI أن GPT-Live يتم طرحه تدريجياً لمستخدمي ChatGPT حول العالم، ليشمل منصات iOS وAndroid وChatGPT.com.
يمثل الاتصال المزدوج الكامل جوهر هذا التغيير في النموذج. يعتمد التفاعل الصوتي التقليدي عادةً على انتظار توقف المستخدم أو انتهائه من الكلام لتحديد ما إذا كان سيتم الرد، مما قد يؤدي إلى مشاكل مثل مقاطعة الحديث، أو فقدان أجزاء من الكلام، أو التأخير، أو تجارب غير طبيعية عند المقاطعة. يمكن لنموذج GPT-Live الاستمرار في مراقبة الإدخال الصوتي أثناء المحادثة، مع تقييم ما إذا كان المستخدم يتوقف مؤقتاً، أو يضيف معلومات، أو يغير رأيه، أو يتوقع رداً فورياً من النموذج. يستطيع النموذج التعامل مع فترات التوقف، والمقاطعات، والتغيرات في سرعة الكلام، وتغير إيقاع المحادثة، مما يجعل التفاعل الصوتي أقرب إلى التواصل الفوري بين البشر.
يستهدف GPT-Live سيناريوهات الوكلاء الصوتيين في الوقت الفعلي. يتطلب النموذج إنجاز مهام فهم الصوت، وتتبع السياق، وتوليد الردود، والتحكم في المخرجات الصوتية في وقت واحد، بالإضافة إلى تحديد متى يستمر في الاستماع، ومتى يقحم رده، ومتى ينتظر المستخدم ليكمل حديثه. بالمقارنة مع العملية البسيطة لتحويل الصوت إلى نص ثم توليد الرد، يدمج نموذج الصوت بنظام الاتصال المزدوج الكامل عمليات الاستماع والتفكير والتحدث في نظام تفاعل مستمر واحد، مما يتطلب مستوى أعلى من التحكم في زمن الاستجابة، واكتشاف النشاط الصوتي، والحفاظ على السياق، وتحديد أدوار المحادثة.
كما أصدرت OpenAI بطاقة نظام GPT-Live، موضحة أن GPT-Live-1 وGPT-Live-1 mini ينتميان إلى الجيل الجديد من النماذج الصوتية، بهدف جعل المحادثات مع الذكاء الاصطناعي أكثر طبيعية وذكاءً. وذكرت البطاقة أن قدرة الاتصال المزدوج الكامل تمكن النموذج من الاستماع والرد بشكل مستمر، بدلاً من انتظار انتهاء دور محدد في الحديث قبل التصرف.
من حيث الشكل المنتج، يدخل GPT-Live أولاً إلى ChatGPT Voice. يمكن للمستخدمين التحدث مع ChatGPT عبر الصوت على الأجهزة المحمولة أو الويب، وسيقوم النموذج بالرد في الوقت الفعلي بناءً على محتوى الإدخال الصوتي وسياق المحادثة. بالنسبة لتطبيقات مثل المساعدات الصوتية، وروبوتات خدمة العملاء، والتدريب التعليمي، والمساعدة في الاجتماعات، والتفاعل داخل المركبات، وتطبيقات المرافقة في الوقت الفعلي، ستركز المؤشرات الرئيسية لهذه النماذج على زمن استجابة الرد، ومعالجة المقاطعات، والتعرف على فترات التوقف الطبيعية، وإجراء محادثات متعددة الجولات المستمرة، واستقرار المخرجات الصوتية.
فيما يتعلق بواجهة برمجة التطبيقات (API)، فتحت OpenAI باب التسجيل للإشعارات الخاصة بـ GPT-Live-1 API، حيث يمكن للمطورين التقدم للحصول على إشعارات التوفر اللاحقة. في حال دخول GPT-Live إلى API لاحقاً، ستتمكن الشركات والمطورون من دمج قدرات الصوت بنظام الاتصال المزدوج الكامل في منتجات مثل خدمة العملاء الصوتية، والأجهزة الذكية، والترجمة الفورية، والتعاون عن بُعد، والوكلاء الصوتيين المتخصصين في القطاعات.
