GPT‑Live‑1 يصل إلى API: صوت يتحدث ويصغي في الوقت نفسه

أعلنت أوبن إيه آي الإتاحة العامة لنموذج GPT‑Live‑1 ضمن واجهة البرمجة API في 10 سبتمبر 2026، وليس 11 سبتمبر. ويمنح هذا المطورين طبقة صوتية لبناء وكلاء قادرين على الإصغاء والتحدث في آن واحد، بدلاً من جعل الحوار سلسلة من الأدوار المنفصلة والجامدة. 116

ما الذي تغيّره المحادثة «ثنائية الاتجاه بالكامل»؟

تُبنى أنظمة الوكلاء الصوتيين التقليدية غالباً من سلسلة مراحل: تحويل الكلام إلى نص، ثم توليد الرد عبر نموذج لغوي، ثم تحويل النص إلى كلام. أما GPT‑Live‑1 فيُقدَّم كطبقة صوتية موحدة للجزء الفوري من المحادثة. 1

الفارق العملي يتعلق بتبادل الأدوار في الحديث. تقول أوبن إيه آي إن النموذج يستطيع الإصغاء والتحدث بالتزامن، ومتابعة التوقفات وتغيّر سرعة الكلام، وتحديد ما إذا كان ينبغي أن يرد أو يواصل الاستماع. والهدف هو أن تبدو المقاطعات وإشارات المتابعة القصيرة، مثل «نعم» و«حسناً»، جزءاً طبيعياً من الحديث لا أخطاء في النظام. 1915

ولا يتعين على النموذج الصوتي إنجاز كل مهمة بنفسه؛ إذ يمكن للمحادثة عبر GPT‑Live‑1 أن تستمر بينما ينفذ نموذج أو وكيل خلفي استدلالاً أعمق أو يستخدم أدوات. وتدعم أوبن إيه آي تفويض Responses إلى نموذج من نماذجها، أو التفويض من جانب العميل لربط النظام الخلفي الخاص بالمطور. 116

طبقة صوت أمامية ونظام خلفي للاستدلال

تعمل GPT‑Live‑1 كواجهة المحادثة الصوتية المباشرة، في حين يمكن أن يتولى النظام الخلفي مهام مثل الاستدلال الأكثر تعقيداً، واسترجاع المعلومات، وتنفيذ سير العمل، أو استدعاء الأدوات. وتشير ملاحظات أوبن إيه آي إلى GPT‑6 Astra كخيار للبحث والاستدلال في الأسئلة الأصعب، كما يستطيع مطورو API ربط أنظمتهم الخلفية عبر تفويض العميل. 416

عملياً، يعني ذلك أن تكلفة الوكيل وسلوكه لا يحددهما نموذج الصوت وحده:

• GPT‑Live‑1 يدير التفاعل الحي: الإصغاء والتحدث وتوقيت الحوار.
• نموذج أو وكيل خلفي يعالج القرارات المعقدة والأدوات.
• التكلفة الإجمالية تشمل طبقة الصوت، إضافة إلى استخدام النموذج الخلفي والأدوات. 1618

كما سلطت أوبن إيه آي الضوء على تحسن اتباع التعليمات، والأصوات المخصصة، ودعم الاتصال الهاتفي في هذا الإصدار. 13

التسعير: 0.05 دولار للدقيقة، مع رسوم إضافية للخلفية

تبلغ تكلفة جلسات GPT‑Live‑1 الصوتية 0.05 دولار للدقيقة. ويجري الاحتساب بالثانية، من دون تقريب المدة إلى الدقيقة الكاملة التالية. 1618

لكن هذا السعر خاص بجلسة الصوت، وليس بالضرورة تكلفة الوكيل الصوتي كاملة. فاستخدام النموذج الخلفي والأدوات يُحاسب عليه بشكل منفصل؛ لذلك يجب أن تشمل ميزانية التشغيل مدة المحادثة والعمل الذي يُفوَّض إلى ما وراء طبقة الصوت. 1618

ادعاءات الأداء وما الذي تؤكده المصادر

ذكرت أوبن إيه آي أن GPT‑Live‑1 حققت تحسناً قدره 30 نقطة مئوية في معيارها Full Duplex Bench مقارنةً بـGPT‑Realtime‑2.1، وأن GPT‑Live‑1 عند إقرانها بـGPT‑6 Astra مع جهد استدلال متوسط احتلت المرتبة الأولى في Tau3. 1

لكن المواد المصدرية المتاحة لا تقدم توثيقاً مستقلاً للأرقام المحددة المتداولة حول زمن تبديل الدور في الحديث أو المقارنة الدقيقة لنسب اجتياز Tau3. لذلك لا ينبغي التعامل مع تلك الأرقام التفصيلية بوصفها مؤكدة هنا.

ماذا قالت الجهات التي استخدمته مبكراً؟

عرضت أوبن إيه آي عدداً من التطبيقات التشغيلية المبكرة بوصفها أمثلة على فائدة تبادل الأدوار الأكثر طبيعية:

• قالت Yelp إن دمج GPT‑Live‑1 في Yelp Host وHatch حسّن تبادل الأدوار والدقة. وفي مكالمات الحجوزات وطلبات الطعام، ذكرت أن المتصلين استخدموا عبارات أطول وأكثر طبيعية، وأن معالجة المكالمات تحسنت. 1
• أفادت Speak بأن المتعلمين أصبح بإمكانهم أخذ وقت أطول للتفكير قبل رد المدرس، ما خفّض المقاطعات بنحو 80% مقارنة بأنظمتها السابقة القائمة على الأدوار المنفصلة. 1
• قالت شركة رعاية صحية إن الانتقال بعيداً عن بنية متسلسلة من مراحل متعددة بسّط قاعدة الشفرة لديها بنسبة 80% وأزال 23,000 سطر من التعليمات البرمجية، مع إتاحة محادثات فورية أكثر طبيعية مع المرضى. 1

وهذه نتائج أبلغت عنها الشركات نفسها، وليست تقييماً مستقلاً أو ضماناً بأن النتائج ستتكرر في كل تطبيق.

تفاصيل لا تؤكدها المواد المتاحة

لا تثبت المصادر المتاحة ادعاءات الوصول المؤسسي عبر منتج مُدار يسمى «Presence»، كما لا تؤكد توسعاً محدداً في اللكنات أو اللهجات أو اللغات بمناسبة إطلاق API هذا. وينبغي التحقق من هذه التفاصيل مباشرة في وثائق أوبن إيه آي الحالية قبل اتخاذ قرارات شراء أو تنفيذ.

الخلاصة

أهم ما يقدمه GPT‑Live‑1 هو تغيير معماري: طبقة محادثة صوتية ثنائية الاتجاه بالكامل عبر API، تسمح للوكيل بأن يستمع ويتحدث بصورة أكثر سلاسة، بينما يتولى نظام آخر الاستدلال الأبطأ أو استدعاء الأدوات. وسعر 0.05 دولار للدقيقة، مع احتساب بالثانية، يجعل كلفة وقت الصوت واضحة؛ لكن الكلفة النهائية تظل مرتبطة بالنموذج الخلفي والأدوات المختارة. 11618