أعلنت شركة تطبيقات الذكاء الاصطناعي الأميركية "أوبن إيه آي"، الخميس، أن واجهة برمجة التطبيقات (API) الخاصة بها ستتضمن مجموعة من خصائص الذكاء الصوتي الجديدة، المصممة لمساعدة المطورين على إنشاء تطبيقات قادرة على التحدث مع المستخدمين، ونسخ المحادثات، وترجمتها.

ووفقاً لتقرير نشره موقع تك كرانش للتكنولوجيا، تشير الشركة إلى نموذجها الجديد "جي بي تي-ريال تايم-2" (GPT-Realtime-2) باعتباره نموذجاً صوتياً متقدماً يهدف إلى إنشاء محاكاة صوتية واقعية قادرة على التفاعل مع المستخدمين. وعلى عكس الإصدار السابق "جي بي تي-ريال تايم-1.5" (GPT-Realtime-1.5)، يعتمد هذا النموذج على قدرات استدلال من فئة "جي بي تي-5" (GPT-5)، ما يتيح له التعامل مع طلبات أكثر تعقيداً.

كما أطلقت الشركة خاصية "جي بي تي-ريال تايم-ترانسليت" (GPT-Realtime-Translate)، التي توفر ترجمة فورية للمحادثات بشكل متزامن مع المستخدم، إذ تدعم أكثر من 70 لغة إدخال (أي اللغات التي يفهمها النموذج) و13 لغة إخراج (اللغات التي ينقلها إلى المتحدث).

كذلك كشفت "أوبن إيه آي" عن ميزة جديدة لتحويل الصوت إلى نص باسم "جي بي تي-ريال تايم-ويسبر" (GPT-Realtime-Whisper)، تتيح للمستخدمين تحويل الكلام إلى نص مباشرةً أثناء التفاعل.

وأفادت الشركة في بيان بأن هذه النماذج "تنقل التفاعل الصوتي المباشر من مجرد استجابة بسيطة إلى واجهات صوتية قادرة فعلياً على الاستماع، والتفكير، والترجمة، ونسخ الكلام، واتخاذ إجراءات أثناء سير المحادثة". وأضافت أن هذه التحديثات ستفيد بشكل خاص الشركات التي تسعى إلى تطوير خدمات دعم العملاء، إلى جانب مجالات أخرى مثل التعليم، والإعلام، والفعاليات، ومنصات صُنّاع المحتوى.

وفي المقابل، أقرت "أوبن إيه آي" بإمكانية إساءة استخدام هذه الأدوات، مشيرةً إلى أنها أدرجت ضوابط حماية للحد من استغلالها في الرسائل المزعجة أو الاحتيال أو أشكال أخرى من الانتهاكات، بما في ذلك آليات توقف المحادثات في حال رصد محتوى مخالف.

وبيّنت أن جميع هذه النماذج الصوتية متاحة ضمن واجهة "ريال تايم" (Realtime API)، حيث تُحتسب تكلفة خدمتي الترجمة و"ويسبر" بالدقيقة، فيما يجري احتساب تكلفة استخدام "جي بي تي-ريال تايم-2" بناءً على عدد الرموز (Tokens).