أعلنت OpenAI رسميًا عن GPT-Live بوصفه جيل جديد من نماذج الصوت التي تجعل الحديث مع الذكاء الاصطناعي أقرب إلى محادثة بشرية طبيعية، مع تحسينات واضحة في سرعة الاستجابة، وسلاسة التفاعل، وقدرة النموذج على الاستماع والكلام في الوقت نفسه.
وفق للإعلان الرسمي، فإن GPT-Live بدأ بالفعل في دعم تجربة ChatGPT Voice، مع خطة لطرحه عبر واجهة البرمجة API قريبًا.
ما هو GPT-Live؟
GPT-Live هو بنية صوتية جديدة من OpenAI صممت للتفاعل البشري-الآلي بشكل حي ومستمر، بدلًا من الاعتماد على الدورات التقليدية المنفصلة التي كانت تفصل بين الاستماع ثم المعالجة ثم الرد.
تصف OpenAI هذا النموذج بأنه يعتمد على بنيه full-duplex، أي أنه يستطيع الاستماع والتحدث في الوقت نفسه، مع الحفاظ على تدفق المحادثة بشكل أكثر طبيعية ومرونة.
هذا التحول لا يعني فقط تقليل التأخير الزمني، بل يعني أيضًا إعادة تصميم طريقة فهم السياق اللحظي داخل المحادثة، فبدلًا من أن يشعر المستخدم بأنه يتحدث إلى نظام ينتظر انتهاء الجملة ثم يبدأ في الرد، أصبح GPT-Live قادر على متابعة الحديث، وإظهار الانتباه، والانتظار عندما يحتاج المستخدم إلى التفكير، أو المقاطعة بأسلوب أكثر إنسانية وواقعية.
لماذا يعد GPT-Live خطوة مهمة؟
1) الانتقال من الدردشة إلى التفاعل الحي
التجربة التي تقدمها OpenAI مع GPT-Live لا تتوقف عند كونه محرك محادثة صوتية سريع، بل تمتد إلى بناء تفاعل حي متصل.
النموذج يستطيع اتخاذ قرارات متعددة في الثانية الواحدة مثل: هل يتحدث؟ هل يستمر في الاستماع؟ هل يتوقف مؤقتًا؟ هل يستدعي أداة خارجية؟ هذا المستوى من التحكم يجعل التجربة أقرب إلى التعاون اللحظي منه إلى مجرد إصدار أوامر ونتائج.
2) ذكاء أعلى أثناء استمرار المحادثة
من أبرز نقاط القوة في GPT-Live أنه لا يضحي بالذكاء لصالح السرعة، فحين تتطلب المحادثة بحث أعمق أو تفكير أكثر تعقيد، يمكن للنموذج أن يفوض المهمة إلى نموذج أقوى في الخلفية مثل GPT-5.5، ثم يعيد النتيجة إلى الحوار دون أن يقطع تدفق الحديث.
تؤكد OpenAI أن GPT-Live يستخدم في البداية GPT-5.5 في الخلفية، مع إمكانية تحديث النموذج لاحقًا كلما ظهرت نماذج أحدث.
3) تجربة صوتية أكثر طبيعية في ChatGPT Voice
تقول OpenAI إن GPT-Live يقدم تجربة صوت جديدة أكثر ذكاء وطبيعية، مع دعم أفضل للمقاطعة، والسكوت المؤقت، والاستماع في البيئات المليئة بالضجيج، بالإضافة إلى ردود أكثر مرونة وإحساس بالحوار الحقيقي.
كيف يعمل GPT-Live تقنيًا؟
البنية القديمة: سلاسل متتابعة وبطئ أعلى
قبل GPT-Live، كانت أنظمة الصوت تعمل غالبًا عبر سلسلة من النماذج المنفصلة مثل: تحويل الكلام إلى نص، ثم معالجة النص بالنموذج اللغوي، ثم تحويل النص الناتج مرة أخرى إلى كلام.
توضح OpenAI أن هذا النهج كان مفيد في البداية، لكنه يحمل عيبين أساسيين وهما: فقدان بعض المعلومات أثناء الانتقال بين النماذج، وشعور المستخدم ببعض البطئ أو الجمود في الردود.
البنية الجديدة: معالجة مستمرة بدلًا من التوقف عند كل دور
اعتمدت OpenAI في GPT-Live على فكرة التفاعل المستمر، أي المعالجة المستمرة بدلًا من المحادثة القائمة فقط على أدوار منفصلة.
هذا يعني أن النموذج لا ينتظر انتهاء المستخدم بشكل كامل في كل مرة، بل يراقب الإشارات الصوتية باستمرار ويقرر في الوقت الفعلي متى يتكلم ومتى يصمت ومتى يرد ومتى يتصل بأداة أخرى.
تعد هذه الفكرة هي قلب التجربة الجديدة، لأنها تقلل من الإحساس الاصطناعي وتزيد من سلاسة الحوار.
فصل التفاعل عن العمل العميق
من أهم ما يميز GPT-Live أن OpenAI فصلت بين طبقتين، طبقة مسؤولة عن التواصل اللحظي المستمر، وطبقة أخرى مسؤولة عن الأعمال الأعمق مثل البحث والاستدلال وتنفيذ المهام الوكيلة.
هذا الفصل يسمح للنظام بأن يظل حاضر في المحادثة حتى أثناء تنفيذ مهمة طويلة في الخلفية، وهو ما يمثل نقلة معمارية مهمة في تصميم المساعدات الصوتية الحديثة.
ماذا أضاف GPT-Live إلى تجربة ChatGPT Voice؟
استجابة أكثر طبيعية
أصبح بالإمكان مقاطعة ChatGPT أثناء الحديث، أو طلب التمهل، أو التوقف للتفكير، دون أن يبدو النظام متوتر أو آلي بشكل مزعج.
إجابات أذكى عند الحاجة
لا يقتصر الأمر على السرعة فقط، فالمستخدم الآن يستطيع اختيار مستوى التفكير المناسب:
Instant للإجابات السريعة، أو Medium وHigh عندما يحتاج إلى استدلال أعمق، وهذا يوضح أن OpenAI تتجه نحو نماذج متعددة الطبقات، بحيث يمكن للمستخدم الموازنة بين السرعة والجودة بحسب طبيعة المهمة.
استماع أفضل في البيئات الصاخبة
من الميزات اللافتة أن ChatGPT أصبح قادر على تجاهل الضوضاء الخلفية والتركيز على صوت المستخدم، كما أنه يتوقف عندما يطلب منه المستخدم ذلك بدلًا من الاندفاع للرد في لحظة صمت قصيرة.
مخرجات بصرية أثناء المحادثة
ورغم أن GPT-Live موجه أساسًا للصوت، فإن OpenAI أضافت قدرات مرئية مفيدة داخل المحادثة، مثل عرض بطاقات غنية لنتائج الطقس والأسهم والرياضة وغيرها، مع استمرار دعم البحث والذاكرة والصور ورفع الملفات داخل الصوت.
التوافر والقيود الحالية
بدأ طرح GPT-Live عالميًا لمستخدمي ChatGPT.
سيصبح GPT-Live-1 النموذج الافتراضي لمستخدمي Go وPlus وPro، بينما سيكون GPT-Live-1 mini هو النموذج الافتراضي لمستخدمي النسخة المجانية.
ومن المهم أيضًا أن الإطلاق الأول لا يدعم الصوت مع الفيديو أو مشاركة الشاشة داخل ChatGPT، رغم أن OpenAI قالت إنها تعمل على إضافة هذه القدرات لاحقًا.
هذا يعني أن المنصة لا تزال في مرحلة توسع، وأن ما نراه اليوم هو بداية البنية الحية وليس نهايتها.
ماذا يعني GPT-Live لمستقبل الذكاء الاصطناعي؟
يمثل GPT-Live انتقال واضح من نموذج الرد النصي إلى نموذج التفاعل الحي متعدد الطبقات، وهذه النقلة تحمل دلالات مهمة لعدة قطاعات مثل: خدمة العملاء، التعليم، الترجمة الفورية، المساعدات الشخصية، والاجتماعات الذكية.
وإذا استمرت OpenAI في تطوير هذه البنية، فقد نرى خلال الفترة المقبلة مساعدين صوتيين لا يكتفون بالإجابة، بل يشاركون في سير العمل لحظة بلحظة، ويجمعون بين الاستماع، والفهم، والبحث، والتنفيذ في نفس التدفق.
الخلاصة
إعلان OpenAI عن GPT-Live لا يضيف فقط نموذج صوتي أسرع، بل يعيد تعريف العلاقة بين الإنسان والذكاء الاصطناعي.
النموذج الجديد يقدم محادثة أكثر طبيعية، واستجابة أذكى، واستماع أفضل، وبنية معمارية تسمح بالعمل المستمر دون كسر تدفق الحوار، ومع طرحه في ChatGPT Voice وتوسعه المرتقب إلى الـ API، يبدو أن OpenAI تفتح الباب رسميًا أمام عصر جديد من التفاعل الحي مع الذكاء الاصطناعي.