نطرح GPT‑Live‑1 في واجهة API، لنمنح المطورين نموذجًا صوتيًا قويًا وطبيعيًا لبناء تطبيقات تدعم الصوت وسير عمل للأعمال. أُطلق GPT‑Live‑1 لأول مرة في ChatGPT، ويستطيع الاستماع والتحدث في الوقت نفسه، ويمكنه، كما رأينا مع Codex وChatGPT Work(يفتح في نافذة جديدة)، إسناد الاستدلال الأعمق والإجراءات إلى النماذج والأدوات المقترنة به.
في إصدار GPT‑Live‑1 للـ API، ركزنا على إمكانات جديدة تتيح للمطورين توجيه التجارب الصوتية وتخصيصها بما يلائم مستخدميهم ومسارات عملهم وأهدافهم. من أبرز نقاط قوة GPT‑Live‑1 التعامل السلس مع المقاطعات، وهو يحقق بالفعل أثرًا ملموسًا على الأعمال: ففي تقييمات مبكرة، وجدت Speak أن GPT‑Live‑1 أتاح للمتعلمين وقتًا أطول للتفكير قبل استجابة مدرس اللغة، ما خفّض المقاطعات بنحو 80% مقارنةً بالأنظمة السابقة القائمة على تبادل الأدوار.
أبرز نقاط قوة GPT‑Live‑1 في الـ API:
معالجة المقاطعات: يحسّن معالجة المقاطعات عبر نموذج واحد يعالج الصوت الوارد والصادر معًا، متجنبًا زمن الاستجابة وعمليات التسليم الهشة في البنى المتسلسلة STT–النماذج اللغوية الكبيرة (LLM)–TTS.
تفويض الاستدلال واستدعاءات الأدوات: يمكن لـ GPT‑Live‑1 تفويض الاستدلال واستدعاءات الأدوات إلى نموذج نصي للواجهة الخلفية مثل GPT‑6 Astra أو نموذج تابع لجهة خارجية.
النبرة والسرعة والأسلوب: يتيح للمطورين تشكيل نبرة الوكيل وسرعته وأسلوبه الحواري من خلال المطالبة النظامية.
إدارة السياق بصمت وضوضاء الخلفية: يتعامل بكفاءة أكبر مع ضوضاء الخلفية والصمت من دون مقاطعة المحادثة أو سرد كل خطوة بصوت مرتفع.
الموثوقية في الجلسات الطويلة: يحسّن الاحتفاظ بالسياق وجودة المحادثة خلال التفاعلات الممتدة.
دعم الاتصالات الهاتفية: يتيح نشر وكلاء صوتيين مزدوجي الاتجاه بالكامل للمكالمات الهاتفية، بدءًا من حجوزات المطاعم وصولًا إلى دعم العملاء.
Try GPT-Live-1
See what it can do
- Talk over it—naturally. Ask for help, then interrupt mid-response to change the question or add detail.
- Take it with you. Try a conversation while walking outside or with everyday background noise, and see how it stays with you.
- Make it playful. Laugh, hesitate, use short acknowledgments, or briefly talk to someone nearby—then continue the conversation.
هذا العرض التوضيحي محدود بوقت. باستخدامه، فإنك توافق على الشروط الخاصة بـ OpenAI وتقرّ بسياسة الخصوصية الخاصة بنا.
تجمع الوكلاء الصوتية التقليدية بين تحويل الكلام إلى نص، ونموذج استدلال، وتحويل النص إلى كلام. تضيف كل عملية تسليم زمن استجابة وتزيد احتمالات فقدان التوقيت أو السياق أو الإيقاع الطبيعي للمحادثة. وغالبًا ما يقع على عاتق المطورين تنسيق هذه المراحل، بما في ذلك تحديد ما يحدث عندما يقاطع شخص الحديث أو يتوقف مؤقتًا أو يغيّر اتجاهه.
يتولى GPT‑Live‑1 الاستماع والتحدث ضمن نموذج واحد، ما يبسّط طبقة الصوت. يمكنه الاستجابة للمقاطعات وعبارات التأكيد فور حدوثها، مع إسناد الاستدلال الأعمق إلى الواجهة الخلفية. وهذا يتيح استمرار المحادثة بينما تُنجز المهام في الخلفية.
يختار المطورون النماذج والأدوات ومنظومة تقييم الوكيل التي تدعم المحادثة. فمثلًا، يمكنهم إقران GPT‑Live‑1 بنموذج مثل Luna للمهام كبيرة الحجم كالجدولة أو تحديثات الطلبات، واستخدام نموذج مثل Astra لمشكلات العملاء المعقدة التي تتطلب الاستدلال. تتيح هذه المرونة للمطورين مواءمة عمق الاستدلال والسرعة والتكلفة مع كل مهمة.
يوفّر GPT‑Live‑1 نصوص تفريغ ASR ونصوص الاستجابات بصورة مدمجة. كما يتمتع بقدرة قوية على فهم الأحرف والأرقام ويدعم ترجيح الكلمات المفتاحية. ورغم أن GPT‑Live‑1 ليس نموذجًا قائمًا على تبادل الأدوار، فإنه يدعم بصورة مدمجة اكتشاف أدوار الحديث، ما يتيح للمطورين مواصلة البناء استنادًا إلى حدود واضحة لكل دور.
في تقييماتنا، يحسّن GPT‑Live‑1 أداء Full Duplex Bench بمقدار 30 نقطة مئوية مقارنة بـ GPT‑Realtime‑2.1، مع تحسنات كبيرة في زمن استجابة تبادل الأدوار والسلوك التفاعلي. وعند اقترانه بـ GPT‑6 Astra بجهد استدلال متوسط، يحتل أيضًا المرتبة الأولى في Tau3، الذي يقيس قدرات الذكاء المتقدمة لوكلاء الصوت في المهام المتكاملة من البداية إلى النهاية.
يقيّم مهام خدمة العملاء المنطوقة في مجالات الطيران والتجزئة والاتصالات. يقيس Pass@1 مدى نجاح المهمة؛ وتمنح النتيجة الرئيسية كل مجال وزنا متساويا.
* الواجهة الخلفية لـGPT Live: Astra (متوسط).
يقيّم الدعم المصرفي الصوتي باستخدام استرجاع المعرفة وأدوات الحسابات. يمثل Pass@1 نسبة مهام banking_knowledge البالغ عددها 97 التي تم إنجازها بنجاح.
* الواجهة الخلفية لـGPT Live: Astra (متوسط).
يقيّم التعامل مع فترات التوقف وتبادل الأدوار في المحادثة والمقاطعات وإشارات المتابعة.
يختبر الاستجابات للكلام في الخلفية، والكلام الموجّه إلى شخص آخر، والإشارات اللفظية من المستمع، والمقاطعات.
يقيس مدى سرعة بدء الوكيل في الرد بعد انتهاء دور المستخدم.
يختبر استخدام الأدوات من خلال طلبات منطوقة تتضمن توقفات طبيعية وترددات وتصحيحات ذاتية. يقيّم Pass@1 تسلسل استدعاءات الأدوات.
* الواجهة الخلفية لـGPT Live: Terra (منخفض).
يقيّم الإجابة المنطوقة على الطلبات التي تستخدم الأدوات وتتضمن توقفات وترددات وتصحيحات ذاتية. يقيس مدى تطابق الإجابة مع القصد المرجعي.
* الواجهة الخلفية لـGPT Live: Terra (منخفضة).
يحتاج المطورون إلى أصوات تلائم منتجاتهم وتبدو طبيعية لمستخدميها. مع GPT‑Live‑1، ننتقل من مجموعة صغيرة من الأصوات الفورية إلى تشكيلة أوسع من اللهجات واللغات، ما يمنح المطورين خيارات أكبر لصوت مساعديهم.
سنواصل توسيع خيارات الأصوات واللغات المتاحة خلال الأشهر المقبلة.
يتوفر GPT‑Live‑1 اليوم في واجهة برمجة التطبيقات(يفتح في نافذة جديدة) بسعر 0,05 دولار أمريكي للدقيقة لطبقة الصوت الأمامية. اربطه بنموذج الواجهة الخلفية ومنظومة تشغيل الوكيل الملائمين لمنتجك، ثم أنشئ تجربة صوتية قابلة للتوسع وفقًا للمهام المطلوبة منها.
للوصول إلى الأصوات المخصصة، تواصل مع قسم المبيعات لمعرفة المزيد عن الأهلية وعملية تقديم الطلب.
طريقة أخرى لإنشاء مسارات عمل صوتية بالاستناد إلى GPT‑Live‑1 هي استخدام OpenAI Presence، الذي يستخدم النموذج لتشغيل تفاعلات صوتية فورية. يساعد Presence المؤسسات على نشر وكلاء ذكاء اصطناعي موثوقين يستطيعون الإجابة عن الأسئلة، وحل المشكلات، واستخدام أنظمة الشركة، واتخاذ إجراءات معتمدة، والتصعيد إلى الأشخاص عند الحاجة. يرجى التواصل مع مدير حسابك لدى OpenAI لمعرفة المزيد.
