OpenAI از آپدیت تازه قابلیت صوتی ChatGPT رونمایی کرده؛ بهروزرسانیای که با تکیه بر مدلهای جدید GPT-Live-1 و GPT-Live-1-mini قرار است تجربه گفتوگو با هوش مصنوعی را به سطحی طبیعیتر، روانتر و کمتاخیرتر برساند. محور اصلی این ارتقا، عبور از مکالمههای نوبتی و نزدیک شدن به گفتوگوی واقعی است؛ جایی که کاربر میتواند وسط صحبت دستیار وارد شود و سیستم نیز با درک بهتر مکث، لحن و زمان پاسخ، جریان مکالمه را حفظ کند.
پایان مکالمههای نوبتی؛ شروع گفتوگوی همزمان
مهمترین تغییر در آپدیت صوتی ChatGPT، پشتیبانی از تعامل دوطرفه همزمان است. در نسخههای قدیمیتر، کاربر و دستیار معمولاً باید منتظر پایان صحبت طرف مقابل میماندند؛ مدلی که هرچند کاربردی بود، اما حس یک مکالمه طبیعی را منتقل نمیکرد. در نسل جدید، سیستم میتواند تشخیص دهد چه زمانی باید سریع پاسخ بدهد، چه زمانی تنها با واکنشهای کوتاه همراهی کند و کجا باید برای ادامه صحبت کاربر مکث کند.
این تغییر، ChatGPT را یک قدم دیگر به دستیارهای صوتی زنده و پیوسته نزدیک میکند؛ بازاری که در ماههای اخیر به یکی از میدانهای اصلی رقابت میان شرکتهای بزرگ فناوری تبدیل شده است.
پردازش سنگین در پسزمینه، بدون قطع شدن مکالمه
در توضیحات منتشرشده درباره این آپدیت آمده که سیستم جدید میتواند وظایف پیچیدهتر را به مدلهای قدرتمندتری مانند GPT-5.6 یا نسخههای بالاتر واگذار کند، بدون آنکه گفتوگوی صوتی کاربر متوقف شود. به بیان ساده، حتی اگر بخشی از درخواست به پردازش سنگینتری نیاز داشته باشد، مکالمه زنده ادامه پیدا میکند و پاسخ نهایی با سرعت و دقت بالاتری برمیگردد.
این معماری، اگر در عمل هم مطابق ادعاها کار کند، میتواند یکی از مهمترین گلوگاههای دستیارهای صوتی فعلی یعنی «وقفه در پاسخگویی» را تا حد زیادی برطرف کند.
نمایش اطلاعات بصری در کنار گفتوگو
بخش دیگری از این بهروزرسانی به نمایش کارتهای گرافیکی اطلاعاتی مربوط میشود. بر این اساس، کاربر هنگام مکالمه صوتی میتواند برخی دادهها مثل وضعیت آبوهوا، نقشهها یا نتایج مسابقات را بهصورت بصری روی صفحه دستگاه ببیند. این ویژگی، تجربه صوتی را از یک گفتوگوی صرف فراتر میبرد و آن را به یک رابط چندوجهی نزدیک میکند؛ مدلی که اکنون در محصولات رقیب هم بهسرعت در حال گسترش است.
تأکید بر ایمنی؛ محدودیت در تقلید صدای واقعی
OpenAI همزمان با معرفی این قابلیت، از تقویت لایههای ایمنی سیستم نیز خبر داده است. طبق این توضیحات، مدلهای صوتی جدید تلاش میکنند پاسخها را در مسیرهای امنتر هدایت کنند، بهویژه در مکالمات حساس یا برای کاربران نوجوان. همچنین یکی از محدودیتهای مهم این نسخه، جلوگیری از تقلید صدای افراد واقعی است؛ موضوعی که در ماههای اخیر به یکی از بحثبرانگیزترین چالشهای ابزارهای صوتی مبتنی بر هوش مصنوعی تبدیل شده بود.
دسترسی کاربران؛ نسخه رایگان و اشتراکی چه تفاوتی دارند؟
رولاوت این آپدیت برای کاربران اندروید، iOS و وب آغاز شده است. بر اساس اطلاعات منتشرشده، کاربران نسخه رایگان به مدل سبکتر یعنی GPT-Live-1-mini دسترسی خواهند داشت. در مقابل، کاربران اشتراکهای Plus، Pro و Go میتوانند از نسخه کاملتر این تجربه استفاده کنند.
در عین حال، کاربران تجاری و آموزشی ظاهراً باید کمی بیشتر منتظر بمانند. همچنین در فاز نخست انتشار، قابلیتهایی مانند اشتراکگذاری صفحه و ویدیو در این نسخه فعال نیست و کاربرانی که به این امکانات نیاز دارند، فعلاً باید به نسخههای صوتی قدیمیتر بازگردند.
جمعبندی
آپدیت صوتی ChatGPT را باید تلاشی جدی برای واقعیتر کردن مکالمه انسان و ماشین دانست؛ ارتقایی که اگر عملکرد آن در استفاده روزمره با وعدههای اعلامشده همخوان باشد، میتواند جایگاه ChatGPT را در رقابت فشرده دستیارهای صوتی هوشمند تقویت کند. تمرکز بر گفتوگوی همزمان، کاهش تاخیر، پردازش پسزمینه و تقویت ایمنی، چهار ستون اصلی این بهروزرسانی را میسازند.