به گزارش شبکه اطلاع‌رسانی طلا و ارز، شرکت اوپن‌ای‌آی (OpenAI) در ۱۰ سپتامبر ۲۰۲۶ (۱۹ شهریور ۱۴۰۵) مدل جدید خود، GPT-Live-۱، را در رابط برنامه‌نویسی کاربردی (API) خود منتشر کرد. این مدل نخستین سامانه اوپن‌ای‌آی است که گفت‌وگوی صوتی دوطرفه و هم‌زمان را پشتیبانی می‌کند؛ یعنی می‌تواند در همان لحظه که کاربر صحبت می‌کند، گوش دهد و پاسخ دهد، بدون وقفه‌های معمول ضبط و پخش. این قابلیت مسیر را برای دستیارهای صوتی و ایجنت‌های خودکار در خدمات مشتری، فروش تلفنی و پشتیبانی مالی هموار می‌کند.
مدل‌های صوتی پیشین معمولاً به‌صورت نوبتی کار می‌کردند؛ کاربر حرف می‌زد، سامانه صبر می‌کرد و سپس پاسخ می‌داد. GPT-Live-۱ این چرخه را کنار گذاشته و می‌تواند هم‌زمان با شنیدن، صحبت را آغاز کند یا وسط جمله کاربر توضیح تکمیلی بدهد. اوپن‌ای‌آی می‌گوید این مدل استدلال‌های پیچیده را به مدل‌های پشتیبان بزرگ‌تر واگذار می‌کند و خودش تنها بر پردازش سریع صدا تمرکز دارد. این تقسیم‌کار باعث می‌شود پاسخ‌ها با تأخیر کم‌تر ارائه شوند، بدون آنکه دقت تحلیل کاهش یابد.
چرا برای کسب‌وکارها مهم است
دسترسی به این مدل از طریق API به این معناست که هر شرکتی، از بانک‌ها گرفته تا فروشگاه‌های آنلاین، می‌تواند دستیار صوتی اختصاصی بسازد. چنین ابزاری می‌تواند بخشی از هزینه‌های مرکز تماس و پشتیبانی انسانی را کاهش دهد. اوپن‌ای‌آی هنوز نرخ دقیق قیمت‌گذاری هر دقیقه گفت‌وگو را برای این مدل اعلام نکرده، اما بر اساس روال گذشته این شرکت، هزینه بر پایه حجم صدای پردازش‌شده محاسبه خواهد شد. برای توسعه‌دهندگان و استارتاپ‌های کوچک، این یعنی هزینه راه‌اندازی محصولات صوتی هوشمند می‌تواند نسبت به ساخت زیرساخت اختصاصی به‌مراتب پایین‌تر باشد.
این عرضه در حالی انجام می‌شود که رقبایی مانند گوگل و متا نیز روی نسخه‌های مشابه گفت‌وگوی صوتی هم‌زمان کار می‌کنند. رقابت میان این شرکت‌ها برای تصاحب بازار ایجنت‌های هوشمند صوتی می‌تواند در ماه‌های آینده قیمت خدمات مشابه را برای مشتریان پایین بیاورد. تحلیلگران بازار فناوری معتقدند دستیارهای صوتی هم‌زمان می‌توانند نخستین گام برای جایگزینی بخشی از تماس‌های تلفنی انسانی با هوش مصنوعی در صنایعی مانند بیمه، بانکداری و خرده‌فروشی باشند.
اوپن‌ای‌آی در اعلامیه خود به محدودیت‌های اولیه این مدل هم اشاره کرده است؛ از جمله نیاز به پهنای باند اینترنت پایدار برای حفظ کیفیت صدا در گفت‌وگوی هم‌زمان. همچنین این مدل در مرحله فعلی تنها برای توسعه‌دهندگانی در دسترس است که از رابط برنامه‌نویسی این شرکت استفاده می‌کنند و هنوز در اپلیکیشن عمومی چت‌جی‌پی‌تی (ChatGPT) برای همه کاربران فعال نشده است.
نظرات کاربران