أوبن إيه آي تطلق نماذج صوتية جديدة للمحادثات الحية الطبيعية

أعلنت شركة أوبن إيه آي اليوم عن إصدار نماذج محادثة جديدة تحمل اسم GPT-Live-1 وGPT-Live-1 mini، وتتميز هذه النماذج بأنها تبدو أكثر طبيعية في الصوت وقادرة على التعامل بشكل أفضل مع تبادل الأدوار أثناء المحادثة. وتُعد هذه النماذج من نوع الاتصالات ذات الاتجاهين الكامل، مما يعني أنها تستطيع التحدث والاستماع في الوقت نفسه، وهو ما يسمح للمستخدمين بالمقاطعة بشكل طبيعي ويدعم ميزات مثل الترجمة المباشرة.

كما أعلنت الشركة عن استبدال وضع الصوت المتقدم الحالي في ChatGPT بنموذج GPT-Live-1 mini بشكل افتراضي، فيما سيكون بإمكان مستخدمي الخطط المدفوعة الوصول إلى النموذج الأكبر GPT-Live-1. وكان النموذج السابق يعتمد على دمج نموذج تحويل الصوت إلى نص لتفريغ الكلام، ونموذج لغة كبير لتوليد الردود، ونموذج تحويل النص إلى صوت لإصدار الإجابة النهائية.

وفي مؤتمر صحفي، أوضحت الشركة أن النماذج الجديدة تعالج مشكلات مثل مقاطعة المستخدمين أثناء حديثهم وعدم كفاية الذكاء للإجابة على الأسئلة. وستقوم نماذج أوبن إيه آي الجديدة بإرسال الاستفسار إلى أحدث نماذج النصوص مثل GPT-5.5 لأغراض البحث، والتفكير، والقدرات الوكيلة، مع الاستمرار في المحادثة.

كما عرضت أوبن إيه آي قدرة النموذج على الصمت لفترات طويلة واستيعاب سياق المحادثة حتى يُطلب منه التحدث. وبالإضافة إلى ذلك، فإن وضع الصوت الجديد يمكنه عرض بعض المعلومات بصيغة مرئية بفضل وصوله إلى نماذج GPT الأحدث. ويعمل بعض الشركات الناشئة مثل Monogram، التي جمعت 40 مليون دولار في جولة تمويل أولية من DST وLux Capital، على تعزيز الاستجابات المرئية لجعل المساعدين أكثر تفاعلية.

قالت الشركة إن وضع الصوت الجديد في ChatGPT صُمم لإجراء محادثات أطول. وخلال المؤتمر، أشار آتي إيليتي، مسؤول منتج صوت ChatGPT، إلى أنه أجرى محادثات صوتية استمرت بين 30 إلى 40 دقيقة أثناء المشي.

ترى أوبن إيه آي أن الصوت قد يصبح الواجهة الأساسية للحوسبة في الأعمال المعقدة. وقد أشارت تقارير إلى احتمال إطلاقها لسماعات أذن مزودة بقدرات ذكاء اصطناعي هذا العام، لكنها لم تقدم أي تفاصيل عن منتجات الأجهزة.

قال إيليتي: "نعتقد مع مرور الوقت أن هذا سيفتح إمكانية استخدام الصوت كواجهة أساسية للحوسبة، ولإدارة الأعمال الوكيلة المعقدة وطويلة الأمد. الاستخدامات المذهلة التي نراها للناس مع Codex وChatGPT، نعتقد أن الصوت يمكن أن يكون واجهة المستقبل لجميع أنواع الأعمال".

عملت أوبن إيه آي خلال السنوات الماضية على تعزيز ميزات الصوت لجعل وضع صوت ChatGPT يبدو أكثر طبيعية. وأفادت الشركة بأن أكثر من 150 مليون شخص يتحدثون إلى ChatGPT باستخدام ميزات مثل الصوت والإملاء.

يحاول المنافسون أيضاً جعل المساعدين أكثر تعبيراً. حيث قامت كل من أبل وأمازون بتحديث مساعديهما ليصبحا أكثر محادثة مع تحسين التعامل مع السياق. كما أطلقت شركات ناشئة مثل Sesame، التي أسسها بريندان إيريب، المؤسس المشارك لأوكولوس، وأنكيت كومار، مساعدين ذكاء اصطناعي يجمعون بين المحادثة الطبيعية وأداء المهام في الخلفية.

تسير أوبن إيه آي في نفس الاتجاه، بهدف تمكين المستخدمين من التحدث إلى مساعدها الصوتي دون استخدام اليدين لفترات أطول. وعلى الرغم من تأكيد الشركة أن وضع الصوت الجديد يبدو أكثر طبيعية، إلا أنها شددت على أنها لا تهدف إلى جعله رفيق ذكاء اصطناعي. وأوضحت أن النماذج الجديدة تتضمن ضوابط لحماية المراهقين من خلال تقديم ردود مناسبة لأعمارهم وتوفير موارد إذا تحولت المحادثة إلى مواضيع مثل إيذاء النفس.

لا يزال وضع الصوت الجديد بحاجة إلى تحسينات. ففي العرض التجريبي، عندما عرضت الشركة ميزة الترجمة الحية إلى اللغة الهندية، ظهر المساعد بلكنة أمريكية ثقيلة وتحدث بالهندية بنبرة غير طبيعية ومكتوبة قليلاً. وأكدت الشركة أن الوضع الجديد مُحسّن لـ"معظم اللغات المحكية" لكنها لم تحدد أي منها.