OpenAI تطلق نماذج صوتية جديدة بقدرات ترجمة فورية وتفكير منطقي متقدم

أعلنت OpenAI عن إطلاق مجموعة جديدة من النماذج الصوتية الذكية، والتي تشمل ثلاثة نماذج مبتكرة تهدف إلى تعزيز قدرات الترجمة والتفاعل الصوتي. تتميز هذه النماذج بقدرتها على التفكير المنطقي، والترجمة المباشرة، وتحويل الكلام إلى نص في الزمن الحقيقي، مما يتيح للمطورين أدوات حديثة لبناء تطبيقات تعتمد على المحادثات الصوتية الطبيعية.

النموذج الأبرز في هذه الإصدارات هو GPT-Realtime-2، الذي يُعتبر أول نموذج صوتي مزود بقدرات تفكير منطقي متقدمة، مماثلة لتقنيات GPT-5. يسمح هذا النموذج بفهم الطلبات المعقدة وإدارة الحوار بسلاسة، حيث يمكنه متابعة المحادثة أثناء التفكير وتنفيذ الأوامر، مما يعزز من تفاعل المستخدم.

تتميز هذه التقنية بقدرتها على التعامل مع المقاطعات وتعديل الطلبات أثناء الحديث دون فقدان السياق، كما يدعم النموذج تنفيذ عدة أدوات بالتوازي مع تقديم استجابات صوتية طبيعية تشرح للمستخدم ما يحدث، مثل البحث عن المعلومات أو التحقق من المواعيد في التقويم.

توسعت نافذة السياق في النموذج الجديد بشكل كبير، حيث ارتفعت من 32 ألف رمز إلى 128 ألف رمز، مما يسهم في إدارة جلسات صوتية أطول وأكثر تعقيدًا. بالإضافة إلى ذلك، أصبح النظام أكثر دقة في فهم المصطلحات المتخصصة والأسماء العلمية والطبية، كما تم تحسين التحكم في نبرة الصوت وطريقة الرد بما يتناسب مع طبيعة الموقف.

في جانب الترجمة، قدمت الشركة نموذج GPT-Realtime-Translate، الذي يتيح ترجمة المحادثات الصوتية بشكل مباشر بين أكثر من 70 لغة للإدخال و13 لغة للإخراج، مما يجعله مناسبًا لتطبيقات السفر وخدمة العملاء والتواصل متعدد اللغات.

تم أيضًا الإعلان عن نموذج GPT-Realtime-Whisper، المخصص لتحويل الصوت إلى نص مباشر بزمن استجابة منخفض، مما يفتح المجال لاستخدامه في الاجتماعات المباشرة والتسميات النصية أثناء البث الحي. تسعى OpenAI إلى أن تكون النماذج الجديدة رائدة في المستقبل نحو الأوامر الصوتية في التفاعل مع البرمجيات.

تتوفر هذه النماذج الثلاثة عبر واجهة Realtime API بأسعار تنافسية، ويمكن للمطورين تجربتها عبر منصة Playground أو دمجها بسهولة في تطبيقاتهم القائمة. وقد بدأت بالفعل مؤسسات في مختلف القطاعات مثل السفر والعقارات والاتصالات في اختبار هذه التقنيات لتعزيز خدماتها.