GPT‑Live‑1 ينقل المحادثات الصوتية الطبيعية وثنائية الاتجاه إلى API. يستطيع النموذج الاستماع والتحدث في الوقت نفسه؛ كما يمكنه تفويض المهام إلى النماذج والأدوات التي جرى إقرانه بها لمزيد من الاستدلال المتعمق وتنفيذ الإجراءات. ويستطيع المطورون توجيه تجربة الصوت بما يتناسب مع مستخدميهم وسير عملهم وأهدافهم.
حظيت قدرة النموذج على إدارة المقاطعات بتقييم إيجابي من Speak في التقييمات المبكرة. وخفّض GPT‑Live‑1 المقاطعات بنحو 80% مقارنة بالأنظمة التسلسلية السابقة، إذ أتاح للطلاب وقتًا أطول للتفكير قبل رد مدرّس اللغة. وعلى خلاف الوكلاء الصوتيين التقليديين الذين يقسمون المحادثة إلى مراحل تحويل الصوت إلى نص، والاستدلال، وتحويل النص إلى صوت، يدمج GPT‑Live‑1 الاستماع والتحدث في نموذج واحد. ويمكنه مواصلة العمليات الأعمق في الخلفية، مع إدارة الردود والتأكيدات والمقاطعات لحظيًا.
يمكن للمطورين اختيار النماذج والأدوات والبنية التحتية للوكلاء؛ إذ يمكن استخدام Luna في عمليات الجدولة أو تحديثات الطلبات ذات الحجم الكبير، بينما يمكن استخدام Astra في مشكلات العملاء المعقدة. وبذلك يمكن ضبط السرعة والتكلفة ومستوى الاستدلال وفقًا للمهمة. ويقدم GPT‑Live‑1 نصوص ASR وتفريغ الردود، ويدعم العبارات الأبجدية الرقمية وترتيب أولويات الكلمات المفتاحية. وعلى الرغم من أنه ليس نموذجًا تسلسليًا، فإن اكتشاف دور المتحدث مدمج فيه أيضًا.
في التقييمات، رفع GPT‑Live‑1 أداء Full Duplex Bench بمقدار 30 نقطة مقارنةً بـ GPT‑Realtime‑2.1. واحتل المركز الأول في Tau3 ضمن الاستدلال متوسط المستوى باستخدام GPT-6 Astra. ويقدم النموذج خيارات صوتية أوسع بلهجات وأنماط نطق ولغات مختلفة. وهو متاح اليوم عبر API بسعر $0.05 للدقيقة لطبقة الصوت في الواجهة الأمامية. ويمكن دمجه مع Codex وOpenAI Presence؛ ويتعين التواصل مع فريق المبيعات للحصول على إمكانية الوصول إلى الصوت المخصص.
لماذا هذا مهم
يتيح هذا النهج إدارة تدفق المحادثة في التطبيقات الصوتية من دون تقسيمه إلى خطوات منفصلة للتعرّف والمعالجة وتحويل النص إلى كلام، ولذلك فهو يرتبط خصوصًا بسيناريوهات التعليم وخدمة العملاء التي تتكرر فيها مقاطعة التفاعل. كما أن قدرته على التعامل مع الاستماع والرد والمهام التي تعمل في الخلفية ضمن البنية نفسها تتيح للمطورين بناء مكونات مختلفة وفق متطلبات السرعة والتكلفة والاستدلال، بدلًا من استخدام وكيل واحد موحّد. وتُظهر نتائج التقييمات المبكرة أن مقارنات الأداء لا تقيس القدرات التقنية فحسب، بل تقيس أيضًا طبيعية المحادثة وأوقات الانتظار. ويسهّل توفير API للتفريغ النصي ونص الرد ربط التفاعلات الصوتية بسير العمل الحالية. ومع ذلك، تظل التكلفة الإجمالية للرسوم المستندة إلى الدقيقة عند الاستخدام واسع النطاق، واعتماد الوصول إلى الصوت المخصص على عملية المبيعات، نقطتين واضحتين يتعين على الفرق التي ستنتقل إلى التطبيق تقييمهما بشكل منفصل.
الخلفية
GPT ليس اسمًا جديدًا في أرشيف FikirPilot: نشرنا 2 خبرًا ورد فيهما هذا الاسم خلال آخر 90 يومًا؛ وكان أحدثهما بتاريخ 13 سبتمبر 2026.
المصطلح: الوكيل
وكيل الذكاء الاصطناعي هو برنامج يستدعي الأدوات وينفذ مهام متعددة الخطوات لتحقيق هدف، بدلًا من إنتاج إجابة واحدة فقط.