OpenAI تطلق جيلا جديدا من النماذج الصوتية الذكية بقدرات الترجمة والتفكير الفوري

كشفت OpenAI عن مجموعة جديدة من نماذج الذكاء الاصطناعي الصوتية المصممة للعمل في الوقت الفعلي، في خطوة تعكس توجه الشركة نحو تطوير تجارب صوتية أكثر ذكاءً وتفاعلًا داخل التطبيقات والخدمات الرقمية.

وتضم الإصدارات الجديدة ثلاثة نماذج متخصصة في التفكير المنطقي، والترجمة المباشرة، وتحويل الكلام إلى نص لحظيًا، ما يمنح المطورين أدوات متقدمة لبناء تطبيقات تعتمد على المحادثات الصوتية الطبيعية.

نموذج صوتي جديد بقدرات التفكير المنطقي متقدمة

أبرز ما أعلنته الشركة هو نموذج GPT-Realtime-2، الذي وصفته بأنه أول نموذج صوتي مزود بقدرات التفكير المنطقي بمستوى تقنيات GPT-5، ما يسمح له بفهم الطلبات المعقدة وإدارة الحوار بصورة أكثر سلاسة.

وبحسب OpenAI، يستطيع النموذج متابعة المحادثة أثناء التفكير وتنفيذ الأوامر، مع إمكانية التعامل مع المقاطعات أو تعديل الطلبات أثناء الحديث دون فقدان السياق.

كما يدعم النموذج تنفيذ عدة أدوات بالتوازي، مع تقديم استجابات صوتية طبيعية توضح للمستخدم ما يحدث، مثل البحث عن معلومة أو التحقق من موعد داخل التقويم.

تحسينات كبيرة في فهم المحادثات الطويلة

وأكدت الشركة أن النموذج الجديد حصل على توسعة كبيرة في نافذة السياق، إذ ارتفعت من 32 ألف رمز إلى 128 ألف رمز، ما يساعد على إدارة جلسات صوتية أطول وأكثر تعقيدًا.

وأضافت أن النظام أصبح أكثر دقة في فهم المصطلحات المتخصصة والأسماء العلمية والطبية، إلى جانب تحسين التحكم في نبرة الصوت وطريقة الرد بما يتناسب مع طبيعة الموقف أو حالة المستخدم.

وتتيح OpenAI للمطورين اختيار مستويات متعددة من قوة التفكير داخل النموذج، تتراوح بين الأداء السريع منخفض التأخير وحتى مستويات التفكير المنطقي مرتفعة للمهام الأكثر تعقيدًا.

ترجمة فورية بين أكثر من 70 لغة

وفي جانب الترجمة، قدمت الشركة نموذج GPT-Realtime-Translate، القادر على ترجمة المحادثات الصوتية بشكل مباشر أثناء الحديث.

ويدعم النموذج أكثر من 70 لغة للإدخال و13 لغة للإخراج، مع الحفاظ على سرعة المحادثة الطبيعية، وهو ما يجعله مناسبًا لتطبيقات السفر وخدمة العملاء والتواصل متعدد اللغات.

كما أعلنت OpenAI عن نموذج GPT-Realtime-Whisper المخصص لتحويل الصوت إلى نص مباشر بزمن استجابة منخفض.

ويمكن استخدام النموذج في الاجتماعات المباشرة، وإنشاء الترجمات الفورية، وإضافة التسميات النصية أثناء البث الحي، إضافة إلى تطبيقات تدوين الملاحظات الصوتية.

تطبيقات جديدة للذكاء الصوتي

وترى OpenAI أن مستقبل التفاعل مع البرمجيات يتجه بشكل متزايد نحو الأوامر الصوتية، مشيرة إلى أن النماذج الجديدة ستساعد في بناء ثلاثة أنواع رئيسية من التجارب:

• أنظمة تنفذ المهام مباشرة من خلال الأوامر الصوتية.
• تطبيقات تحول البيانات إلى إرشادات صوتية فورية للمستخدم.
• أدوات تدعم المحادثات متعددة اللغات عبر الترجمة اللحظية.

وأشارت الشركة إلى أن مؤسسات في قطاعات السفر والعقارات والاتصالات بدأت بالفعل اختبار هذه التقنيات ضمن خدماتها.

أسعار نماذج OpenAI الصوتية الجديدة

وأوضحت الشركة أن النماذج الثلاثة أصبحت متاحة عبر واجهة Realtime API بالأسعار التالية:

• GPT-Realtime-2 بسعر 32 دولارًا لكل مليون رمز إدخال صوتي و64 دولارًا لكل مليون رمز إخراج صوتي.
• GPT-Realtime-Translate بسعر 0.034 دولار للدقيقة.
• GPT-Realtime-Whisper بسعر 0.017 دولار للدقيقة.

وأكدت OpenAI أن المطورين يمكنهم تجربة النماذج الجديدة عبر منصة Playground أو دمجها مباشرة داخل تطبيقاتهم الحالية.