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 إظهار انتباهه بعبارات مثل «ممم» أو «نعم»، والمشاركة في تبادل سريع، أو البقاء صامتًا عندما تحتاج إلى لحظة للتفكير. والنتيجة تجربة صوتية يسهل التحدث معها على نحو منعش.

ويُعد GPT‑Live أيضًا أذكى نموذج صوتي لدينا حتى الآن. بالنسبة إلى الأسئلة التي تتطلب بحثًا على الويب أو استدلالًا أعمق أو عملًا أكثر تعقيدًا، يفوضها في الخلفية إلى أحدث نموذج رائد لدينا، ثم يعيد النتيجة إلى المحادثة عندما تصبح جاهزة. وأثناء عمله، يستطيع GPT‑Live مواصلة التحدث معك والحفاظ على سلاسة المحادثة. عند الإطلاق، سيستخدم GPT‑Live نموذج GPT‑5.5 في الخلفية. ومع إصدار نماذج رائدة جديدة، سنحدّث باستمرار النموذج الذي يستخدمه GPT‑Live.

تدعم هذه التطورات تجربة ChatGPT الصوتي الجديدة، لتكون أكثر ذكاءً وطبيعية في الاستخدام. ومع مرور الوقت، نعتقد أن هذا البحث سيفتح أيضًا إمكانية استخدام الصوت في أعمال أكثر تعقيدًا وأطول أمدًا وأكثر اعتمادًا على الوكلاء.

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

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

قرّبتنا الأجيال الأقدم من أنظمة الذكاء الاصطناعي الصوتية من تلك الرؤية، لكنها جاءت مع مقايضات مهمة.

تعتمد الأنظمة الصوتية المتسلسلة على سلسلة من النماذج تعمل واحدًا تلو الآخر لمعالجة كل دور في المحادثة. ربط ChatGPT الصوتي الأصلي ثلاثة نماذج معًا: نموذجًا لتحويل الكلام إلى نص ينسخ كلامك، ونموذجًا لغويًا كبيرًا ينتج استجابة، ونموذجًا لتحويل النص إلى كلام يحولها مرة أخرى إلى كلام. أتاح لنا هذا النهج التحدث إلى نماذج ذكاء اصطناعي رائدة للمرة الأولى، لكن التعقيد كان له ثمن: فقد تضيع معلومات بين النماذج، وكانت الاستجابات بطيئة ومتكلّفة.

كانت النماذج الصوتية القائمة على الأدوار مثل وضع الصوت المتقدم في ChatGPT تعالج الصوت وتولده داخل نموذج واحد، ما قلل زمن الاستجابة وجعل المحادثات أسلس — لكنها ظلت تعمل عبر أدوار منفصلة. كان على النموذج أن ينتظر توقف المستخدم عن الكلام قبل أن يرد، ما أدى إلى تبادل جامد. إضافة إلى ذلك، ولأن اكتشاف الدور يعتمد على الصمت، فقد يُفسَّر حتى التوقف القصير أو الضجيج في الخلفية على أنه نهاية الدور — ما يدفع النموذج إلى المقاطعة في أوقات غير طبيعية.

يعالج GPT‑Live هذه القيود من خلال تغييرين في البنية.

أولًا، صممنا GPT‑Live للتفاعل المستمر باستخدام بنية مزدوجة الاتجاه بالكامل. فبدلًا من معالجة سلسلة من الرسائل المنفصلة، يعالج GPT‑Live المدخلات باستمرار أثناء توليد المخرجات. لذلك يستطيع النموذج اتخاذ قرارات التفاعل مرات عديدة في الثانية: هل يتكلم، أو يواصل الاستماع، أو يتوقف مؤقتًا، أو يقاطع، أو يستدعي أداة.

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

ثانيًا، فصلنا GPT‑Live — الذي يتولى التفاعل المستمر — عن الأعمال الأعمق. عندما يتطلب سؤال ما بحثًا أو استدلالًا أو قدرات أكثر اعتمادًا على الوكلاء، يستطيع GPT‑Live تفويض المهمة إلى نموذج آخر مثل GPT‑5.5. ويتيح له ذلك إبقاء المحادثة مستمرة، حتى أثناء تعامله مع مهام متعددة في الخلفية.

كما يتيح هذا التغيير في البنية لـ GPT‑Live استخدام أحدث النماذج والوكلاء باستمرار، جامعًا بين الذكاء الرائد والتفاعل الطبيعي.

أنشأنا تقييمات بشرية جديدة لقياس مدى سلاسة التجربة وتدفق المحادثة. في هذه المقارنات المباشرة، حظي GPT‑Live‑1 وGPT‑Live‑1 mini بتفضيل واضح على وضع الصوت المتقدم في محادثات متكافئة مدتها 5–10 دقائق تقيس التفضيل العام، وتبادل الأدوار، والمقاطعات، وتدفق المحادثة، ومدى طبيعية كل تفاعل.

• GPQA: يتفوق GPT‑Live‑1 بوضوح على وضع الصوت المتقدم في GPQA، الذي يختبر الاستدلال العلمي على مستوى الخبراء في الأحياء والكيمياء والفيزياء.
• BrowseComp: يحقق GPT‑Live‑1 مكاسب قوية مقارنة بوضع الصوت المتقدم في BrowseComp، الذي يختبر البحث الوكيلي على الويب والقدرة على العثور على معلومات يصعب الوصول إليها.
• τ³-Voice Telecom (نسخة داخلية)**: يتفوق GPT‑Live‑1 على وضع الصوت المتقدم في τ³-Voice Telecom، الذي يختبر وكلاء الصوت 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.