تقديم GPT‑Live

نطلق GPT‑Live، وهو جيل جديد من نماذج الصوت يجعل التحدث مع الذكاء الاصطناعي أقرب بكثير إلى محادثة حقيقية.

يعتمد GPT‑Live على بنية ثنائية الاتجاه بالكامل، ما يعني أنه يستطيع الاستماع والتحدث في الوقت نفسه. أثناء المحادثات، يستطيع GPT‑Live أن يُظهر انتباهه بعبارات مثل «ممم» أو «نعم»، وأن يشارك في تبادل سريع، أو يلتزم الصمت عندما تحتاج إلى لحظة للتفكير. والنتيجة تجربة صوتية يسهل التحدث إليها بصورة منعشة.

GPT‑Live هو أيضًا أذكى نموذج صوتي لدينا حتى الآن. بالنسبة إلى الأسئلة التي تتطلب بحثًا على الويب أو استدلالًا أعمق أو عملًا أكثر تعقيدًا، يفوض المهمة في الخلفية إلى أحدث نماذجنا الرائدة، ثم يعيد النتيجة إلى المحادثة عندما تصبح جاهزة. وأثناء عمله، يستطيع GPT‑Live مواصلة الحديث معك والحفاظ على انسيابية المحادثة. عند الإطلاق، سيستخدم GPT‑Live نموذج GPT‑5.5 في الخلفية. ومع إصدارنا نماذج رائدة جديدة، سنحدّث باستمرار النموذج الذي يستخدمه GPT‑Live.

تدعم هذه التطورات تجربة جديدة لـ ChatGPT الصوتي أكثر ذكاءً وطبيعية في الاستخدام. ومع مرور الوقت، نعتقد أن هذا البحث سيتيح أيضًا استخدام الصوت في أعمال متزايدة التعقيد، وأطول زمنًا، وأكثر قدرة على التصرف كوكلاء.

نبدأ اليوم طرح نسختين من GPT‑Live – ‏GPT‑Live‑1 وGPT‑Live‑1 mini – لمستخدمي ChatGPT حول العالم. ونخطط أيضًا لإتاحتهما في API قريبًا، ويمكن للمطورين والمؤسسات الاشتراك لتلقي إشعار باستخدام هذا النموذج⁠.

تتمثل رؤيتنا في تمكين تفاعل طبيعي حقًا بين الإنسان والذكاء الاصطناعي: عالم يصبح فيه التعاون مع الذكاء الاصطناعي سلسًا وسريع الاستجابة مثل العمل مع شخص آخر، بينما يجري الاستدلال وتنفيذ المهام المعقدة بسلاسة في الخلفية.

قرّبتنا الأجيال الأقدم من أنظمة الذكاء الاصطناعي الصوتية من تلك الرؤية، لكن مع تنازلات مهمة.

تعتمد أنظمة الصوت المتسلسلة على سلسلة من النماذج تعمل واحدًا تلو الآخر لمعالجة كل دور في المحادثة. كان ChatGPT الصوتي الأصلي يربط ثلاثة نماذج معًا: نموذج تحويل الكلام إلى نص لنسخ كلامك، ونموذج لغة كبير لإنتاج رد، ونموذج تحويل النص إلى كلام لإعادته إلى صيغة صوتية. أتاح لنا هذا النهج التحدث إلى نماذج ذكاء اصطناعي رائدة للمرة الأولى، لكن التعقيد كان له ثمن: فقد تُفقد معلومات عبر النماذج، وكانت الردود بطيئة ومتكلّفة.

كانت النماذج الصوتية القائمة على الأدوار، مثل وضع الصوت المتقدم في ChatGPT، تعالج الصوت وتولّده داخل نموذج واحد، ما قلل زمن الاستجابة وجعل المحادثات أكثر سلاسة — لكنها ظلت تعمل عبر أدوار منفصلة. كان على النموذج انتظار المستخدم حتى يتوقف عن الكلام قبل أن يرد، ما أدى إلى تبادل جامد للأدوار. إضافة إلى ذلك، لأن اكتشاف الدور يعتمد على الصمت، فقد يُفهم حتى التوقف القصير أو ضوضاء الخلفية على أنه نهاية الدور — مما يجعل النموذج يقاطع في أوقات غير طبيعية.

يعالج GPT‑Live هذه القيود من خلال تغييرين في هيكلية النظام.

أولًا، بنينا GPT‑Live للتفاعل المستمر باستخدام بنية ثنائية الاتجاه بالكامل. فبدلًا من معالجة تسلسل من الرسائل المنفصلة، يعالج GPT‑Live المدخلات باستمرار بينما يولّد المخرجات. لذلك يستطيع النموذج اتخاذ قرارات التفاعل مرات كثيرة في الثانية: هل يتحدث، أو يواصل الاستماع، أو يتوقف مؤقتًا، أو يقاطع، أو يستدعي أداة.

يتيح ذلك للنموذج الدخول في تبادل أكثر طبيعية، والحفاظ على إحساس أفضل بالوقت، بل وحتى إجراء ترجمة فورية مباشرة.

ثانيًا، فصلنا GPT‑Live — الذي يتولى التفاعل المستمر — عن العمل الأعمق. عندما يتطلب سؤال ما بحثًا أو استدلالًا أو قدرات أكثر وكيلية، يستطيع GPT‑Live تفويض المهمة إلى نموذج آخر مثل GPT‑5.5. يتيح له ذلك إبقاء المحادثة مستمرة، حتى وهو يعالج عدة مهام في الخلفية.

كما يسمح هذا التغيير في هيكلية النظام لـ GPT‑Live باستخدام أحدث النماذج والوكلاء باستمرار، جامعًا بين الذكاء الرائد والتفاعل الطبيعي.

بنينا تقييمات بشرية جديدة لقياس اللطف وانسيابية المحادثة. في هذه المقارنات المباشرة، يفضَّل GPT‑Live‑1 وGPT‑Live‑1 mini بقوة على وضع الصوت المتقدم في محادثات متطابقة مدتها 5–10 دقائق تقيس التفضيل العام، وتبادل الأدوار، والمقاطعات، وانسيابية المحادثة، ومدى طبيعية كل تفاعل.

• GPQA: يتفوق GPT‑Live‑1 بدرجة كبيرة على وضع الصوت المتقدم في GPQA، الذي يختبر الاستدلال العلمي على مستوى الخبراء عبر الأحياء والكيمياء والفيزياء.
• BrowseComp: يحقق GPT‑Live‑1 مكاسب قوية مقارنةً بوضع الصوت المتقدم في BrowseComp، الذي يختبر البحث الوكيلي على الويب والقدرة على العثور على معلومات يصعب تحديد موقعها.
• τ³-Voice Telecom**: يتفوق GPT‑Live‑1 على وضع الصوت المتقدم في τ³-Voice Telecom، الذي يختبر الوكلاء الصوتيين في مهام دعم اتصالات واقعية ومتعددة الأدوار.

كل أسبوع، يتحدث أكثر من 150 مليون شخص إلى ChatGPT باستخدام ميزات مثل الصوت والإملاء. يستخدمونه للحصول على مساعدة يومية من دون استخدام اليدين، أو للتدرّب على اللغات، أو سرد قصص قبل النوم، أو لمجرد الدردشة أثناء التنقل.

اعتبارًا من اليوم، عندما تضغط على زر الصوت للتحدث مع ChatGPT، ستحصل على تجربة محسّنة مدعومة بـ GPT‑Live، مع محادثات أكثر طبيعية، وإجابات أذكى، واستماع أفضل، وردود مرئية.

ينبغي أن يبدو التحدث مع ChatGPT الآن أقرب بكثير إلى محادثة حقيقية. حيث يمكنك مقاطعته بسؤال، أو التوقف قليلًا لترتيب أفكارك، أو أن تطلب من ChatGPT أن يبطئ. ويتفاعل بشكل طبيعي مع ما تقوله بعبارات مثل «ممم» أو «فهمت»، لتعرف أنه يتابعك. كما أعدنا إتقان الأصوات التسعة المميزة في ChatGPT من أجل GPT‑Live.

يمكن لـ ChatGPT الصوتي الآن الاستفادة من أحدث نماذجنا الرائدة، ليمنحك إجابات أذكى عند الحاجة. يمكنك أيضًا اختيار مستوى الاستدلال الذي يناسب احتياجاتك: فوري للردود السريعة، أو متوسط وعالٍ عندما تريد من ChatGPT أن يقضي وقتًا أطول في التفكير.

إذا احتجت إلى لحظة للتفكير، ينتظر ChatGPT الصوتي الآن بدلًا من أن يبادر ويقاطعك. وإذا طلبت منه أن يبقى صامتًا ويستمع، فسيفعل. وعندما توجد ضوضاء في الخلفية، مثل حركة المرور أو أحاديث قريبة، يصبح ChatGPT أقدر على التركيز على صوتك بدلًا من التشتت.

تكون بعض الإجابات أكثر فائدة عندما يمكنك رؤيتها. أثناء التحدث، يستطيع ChatGPT الآن عرض بطاقات مرئية غنية لموضوعات مثل الطقس والأسهم والرياضة والمزيد. ويواصل الصوت أيضًا دعم البحث والذاكرة والصور وتحميل الملفات.

والنتيجة تجربة ChatGPT الصوتي تبدو أكثر طبيعية وقدرة وفائدة في الحياة اليومية.

صُمم GPT‑Live ليكون آمنًا افتراضيًا. وهو يبني على تطورات الأمان في أحدث نماذجنا، مع إضافة تدريب أمان مخصص عبر مجالات الخطر الرئيسية وضمانات جديدة مصممة خصيصًا للصوت.

لكي نعكس بشكل أفضل كيفية استخدام الناس للصوت في بيئات الحياة الواقعية، بدأنا بتوسيع اختبارات الأمان لتشمل تقييمات جديدة أصلية للصوت. كما أنشأنا تقييمات اصطناعية تستخدم صوتًا مولدًا للتركيز بعمق أكبر على مجالات الأمان الرئيسية، مستفيدين مما تعلمناه من وضع الصوت المتقدم. وتشمل هذه المجالات إيذاء النفس، والذهان والهوس، والاعتماد العاطفي على الذكاء الاصطناعي، والعنف، والمحتوى الجنسي. كما أجرى خبراء داخليون اختبارات اختراق عدائية للنموذج لمخاطر تنفرد بها التجربة الصوتية.

في اختباراتنا، حقق GPT‑Live أداءً مماثلًا أو أفضل من وضع الصوت المتقدم في جميع المجالات التي قيّمناها تقريبًا. يمكنك قراءة المزيد عن اختباراتنا وضماناتنا في بطاقة النظام⁠(يفتح في نافذة جديدة) الخاصة بـ GPT‑Live.

لأن المحادثات الصوتية تجري لحظيًا، بنينا أيضًا ضمانات يمكنها التصرف أثناء تحدث النموذج. عندما يكتشف النظام مخرجات قد تكون غير آمنة، يمكنه توجيه النموذج نحو رد أكثر أمانًا، أو إظهار رسائل أو موارد أمان إضافية، أو إنهاء المحادثة الصوتية في الحالات الأعلى خطورة. في المحادثات التي تتضمن إيذاء النفس، كيّفنا مسارات الدعم في ChatGPT للصوت، بما في ذلك تقديم دعم خطوط مساعدة للأزمات راجعه خبراء.

صممنا وسائل حماية إضافية لدعم المستخدمين المراهقين، ودرّبنا السلوك الملائم للعمر مباشرة داخل النموذج للحد من خطر الردود غير المناسبة. يمكن للوالدين اختيار ما إذا كان بإمكان المراهق استخدام ChatGPT الصوتي من خلال الرقابة الأبوية، وقد يتلقى الوالدان المرتبطان إشعارًا في المواقف الأعلى خطورة التي تتضمن مؤشرات على احتمال إيذاء النفس أو نية انتحارية.

نطرح أيضًا قياسًا أطول مدى ومراقبة ما بعد الإطلاق يركزان على الاعتماد العاطفي لمواصلة تحسين فهمنا وصقل الضمانات. وبناءً على أبحاثنا السابقة حول الاستخدام الوجداني والرفاه العاطفي، سيساعدنا ذلك على تحديد الأنماط الناشئة وتحسين طريقة استجابة النظام في التفاعلات الحساسة عاطفيًا.

أخيرًا، صُمم GPT‑Live للمحادثة، لا لانتحال الأصوات. ويستخدم مجموعة من الأصوات المحددة مسبقًا في ChatGPT، مع ضمانات تمنعه من تقليد صوت شخص حقيقي.

نحن ملتزمون بدعم الأمان والرفاه، وسنواصل تعزيز هذه وسائل الحماية مع تعلمنا من الاستخدام الواقعي.

يجري طرح GPT‑Live الآن لمستخدمي ChatGPT عالميًا عبر iOS وAndroid وChatGPT.com⁠(يفتح في نافذة جديدة). سيصبح GPT‑Live‑1 النموذج الافتراضي الذي يشغّل ChatGPT الصوتي لمستخدمي Go وPlus وPro، وسيصبح GPT‑Live‑1 mini الافتراضي للمستخدمين المجانيين. يمكن العثور على مزيد من تفاصيل التوفر في مركز المساعدة⁠(يفتح في نافذة جديدة) لدينا.

لقد حسّنا GPT‑Live لبعض أكثر اللغات شيوعًا في ChatGPT. بالنسبة إلى بعض اللغات، قد تكون لدى النموذج لكنة غير أصلية أو فجوات في الطلاقة. نعمل بنشاط على تحسين التجربة عبر اللغات.

عند الإطلاق، لن يدعم GPT‑Live الصوت مع الفيديو أو مشاركة الشاشة في ChatGPT، لكننا نعمل على تقديم هذه القدرات قريبًا. لا يزال بإمكانك الوصول إلى الإصدارات القديمة من ChatGPT الصوتي، بما في ذلك Standard ووضع الصوت المتقدم، حيث تتوفر هذه الميزات.