OpenAI از GPT-Live رونمایی کرد؛ گفت‌وگوی صوتی ChatGPT حالا بسیار طبیعی‌تر است

OpenAI از GPT-Live، نسل جدید فناوری مکالمه صوتی ChatGPT، رونمایی کرد. این فناوری با قابلیت شنیدن و صحبت کردن هم‌زمان، تأخیر کمتر و درک بهتر مکالمات، تجربه‌ای بسیار نزدیک‌تر به گفت‌وگوهای واقعی میان انسان‌ها ارائه می‌دهد. GPT-Live از همین حالا به‌صورت تدریجی در ChatGPT و API این شرکت در دسترس قرار گرفته است.

GPT-Live چیست؟

برخلاف حالت صوتی قدیمی ChatGPT که مکالمه به‌صورت نوبتی انجام می‌شد، GPT-Live از معماری Full-Duplex استفاده می‌کند. این یعنی هوش مصنوعی می‌تواند هم‌زمان به صحبت‌های کاربر گوش دهد و در زمان مناسب پاسخ بدهد؛ درست مانند یک مکالمه طبیعی میان دو نفر.

به لطف این فناوری، دیگر لازم نیست همیشه منتظر بمانید تا جمله خود را کامل کنید. ChatGPT می‌تواند با نشانه‌های گفتاری مانند «متوجه شدم» یا «بله» نشان دهد که همچنان در حال گوش دادن است و در صورت لزوم پاسخ را بدون وقفه ادامه دهد.

مهم‌ترین قابلیت‌های GPT-Live

OpenAI برای GPT-Live قابلیت‌های متعددی معرفی کرده است:

• مکالمه طبیعی‌تر با تأخیر بسیار کمتر
• شنیدن و صحبت کردن به‌صورت هم‌زمان (Full-Duplex)
• درک بهتر مکث‌ها و لحن گفتار
• ترجمه زنده میان زبان‌های مختلف
• انتقال خودکار درخواست‌های پیچیده به مدل‌های قدرتمندتر مانند GPT-5.5
• امکان نمایش اطلاعات و محتوای بصری در جریان مکالمه در برخی سناریوها
• کیفیت بالاتر تشخیص و تولید صدا

دو نسخه برای کاربران مختلف

OpenAI اعلام کرده است GPT-Live در دو نسخه عرضه می‌شود:

هر دو نسخه به‌تدریج در ChatGPT و API این شرکت در دسترس قرار می‌گیرند، اما نسخه اصلی امکانات و کیفیت بالاتری ارائه می‌دهد.

چه تفاوتی با حالت صوتی قبلی ChatGPT دارد؟

مهم‌ترین تفاوت GPT-Live در طبیعی بودن مکالمه است. در نسخه‌های قبلی، کاربر باید صحبت خود را به پایان می‌رساند تا ChatGPT پاسخ دهد. اما اکنون سیستم می‌تواند هم‌زمان به صحبت‌ها گوش دهد، در صورت نیاز واکنش نشان دهد و مکالمه را بدون وقفه ادامه دهد.

همچنین OpenAI اعلام کرده مدل جدید در مدیریت وقفه‌ها، مکث‌های طبیعی، ترجمه زنده و پاسخ‌گویی در زمان واقعی عملکرد بسیار بهتری دارد.

جدول مقایسه GPT-Live با حالت صوتی قبلی

رونمایی از GPT-Live یکی از مهم‌ترین به‌روزرسانی‌های ChatGPT در حوزه تعامل صوتی محسوب می‌شود. طی دو سال گذشته رقابت میان OpenAI، گوگل، xAI و سایر شرکت‌های فعال در حوزه هوش مصنوعی بیش از هر زمان دیگری به سمت ایجاد دستیارهای صوتی طبیعی‌تر حرکت کرده است و GPT-Live را می‌توان پاسخ OpenAI به این رقابت دانست.

فناوری Full-Duplex باعث می‌شود هوش مصنوعی دیگر مانند یک ربات منتظر پایان جمله کاربر نماند. این تغییر شاید در ظاهر ساده به نظر برسد، اما تأثیر زیادی بر تجربه کاربری خواهد داشت؛ به‌ویژه در مکالمات طولانی، ترجمه هم‌زمان، آموزش زبان، پشتیبانی مشتری و استفاده از دستیارهای هوشمند.

برای کاربران ایرانی نیز این قابلیت می‌تواند ارزش زیادی داشته باشد؛ به‌خصوص اگر پشتیبانی از زبان فارسی در نسخه‌های آینده بهبود پیدا کند. مکالمه طبیعی‌تر، کاهش تأخیر و ترجمه زنده می‌تواند ChatGPT را به ابزار کاربردی‌تری برای آموزش، تولید محتوا و ارتباطات روزمره تبدیل کند.

از سوی دیگر، OpenAI اعلام کرده GPT-Live با لایه‌های امنیتی جدید، پاسخ‌های مناسب‌تر برای نوجوانان و مکانیزم‌های بهتر برای مدیریت مکالمات حساس عرضه می‌شود؛ موضوعی که با توجه به گسترش استفاده از هوش مصنوعی اهمیت ویژه‌ای دارد.

آنچه کاربران باید بدانند

• GPT-Live یک مدل زبانی جدید نیست، بلکه فناوری جدید مکالمه صوتی ChatGPT است.
• این قابلیت ابتدا به‌صورت تدریجی برای کاربران منتشر می‌شود.
• کاربران Plus، Pro و Go نسخه کامل GPT-Live-1 را دریافت می‌کنند.
• نسخه GPT-Live-1 mini نیز برای کاربران رایگان در نظر گرفته شده است.

سوالات متداول

GPT-Live چیست؟

نسل جدید فناوری مکالمه صوتی ChatGPT است که گفت‌وگوها را طبیعی‌تر و روان‌تر می‌کند.

آیا GPT-Live یک مدل جدید مانند GPT-5.6 است؟

خیر. GPT-Live یک فناوری صوتی جدید است و جایگزین مدل‌های زبانی GPT نمی‌شود.

چه کسانی به GPT-Live دسترسی دارند؟

نسخه GPT-Live-1 برای کاربران Go، Plus و Pro و نسخه mini برای کاربران رایگان عرضه می‌شود.

مهم‌ترین مزیت GPT-Live چیست؟

توانایی شنیدن و صحبت کردن هم‌زمان که باعث می‌شود مکالمه با ChatGPT بسیار شبیه گفت‌وگو با یک انسان باشد.

جمع‌بندی

با معرفی GPT-Live، OpenAI گام مهمی در طبیعی‌تر کردن مکالمات صوتی ChatGPT برداشته است. قابلیت گفت‌وگوی هم‌زمان، کاهش تأخیر، ترجمه زنده و درک بهتر مکالمات باعث می‌شود کاربران تجربه‌ای روان‌تر و نزدیک‌تر به تعامل واقعی با یک انسان داشته باشند. این فناوری می‌تواند آینده دستیارهای صوتی مبتنی بر هوش مصنوعی را دگرگون کند.

منابع: Digit، OpenAI، Reuters