تحديث واجهة Realtime لتطوير وكلاء صوتيين
أعلنت OpenAI عن تحديث شامل لواجهة برمجة التطبيقات Realtime المخصصة لبناء وكلاء صوتيين جاهزين للإنتاج، حيث تشمل التحسينات دعم خوادم MCP البعيدة ومدخلات الصور والمكالمات الهاتفية عبر بروتوكول SIP، ما يتيح للوكلاء الصوتيين الوصول إلى أدوات وسياقات إضافية وتحسين جودة الاستجابات وتقليل الأخطاء أثناء التعامل مع المهام المعقدة. تم تصميم هذه التحديثات لتلبية احتياجات المطورين والشركات الذين يسعون لبناء وكلاء صوتيين موثوقين يمكنهم العمل في بيئات الإنتاج الفعلية.
نموذج gpt-realtime الجديد
أطلقت الشركة نموذج gpt-realtime لتحويل الكلام إلى كلام، والذي يأتي بتحسينات كبيرة في اتباع التعليمات المعقدة واستدعاء الأدوات ضمن سياق المكالمات وإنتاج كلام طبيعي ومعبّر، ما يجعل التفاعل الصوتي أكثر إنسانية وسلاسة. يتيح النموذج تفسير رسائل النظام ومطالبات المطورين بدقة، مثل قراءة نصوص إخلاء المسؤولية حرفيًا أو تكرار الحروف الرقمية أو التبديل بين اللغات أثناء الجملة دون فقدان السياق، مما يزيد من قدرته على التعامل مع مواقف استخدام متعددة ومعقدة.
أصوات جديدة وتجربة محسّنة
قدمت OpenAI صوتين حصريين هما سيدار ومارين، متوفران عبر واجهة Realtime فقط. منذ إطلاق النسخة التجريبية في أكتوبر الماضي، استخدم آلاف المطورين الواجهة لإطلاق وكلاء صوتيين، وساهموا في تحسين الأداء من خلال تقديم الملاحظات والتجارب العملية، ما أدى إلى رفع موثوقية النظام وخفض زمن الاستجابة وتحسين جودة الصوت لتصبح الاستجابات أكثر طبيعية وتعبيرية.
كفاءة عالية وتقليل زمن الاستجابة
تختلف واجهة Realtime عن الأساليب التقليدية التي تعتمد على تحويل الكلام إلى نص ثم إلى كلام، فهي تعالج الصوت مباشرة عبر نموذج واحد وواجهة واحدة، ما يقلل زمن الاستجابة ويحافظ على دقة الكلام ويجعل التفاعلات أكثر طبيعية وسلاسة، ويسهل نشر وكلاء صوتيين في بيئات الإنتاج الحقيقية بسرعة وكفاءة أعلى.
ثغرات محتملة
لم يكشف التقرير عن حدود النموذج في التعامل مع المحادثات الطويلة أو السياقات متعددة الأطراف، كما لم يوضح مدى فعالية النظام في بيئات الاتصالات عالية الضوضاء أو المكالمات الهاتفية الحية المعقدة، ما يمثل مجالًا يحتاج إلى متابعة وتقييم مستمر لضمان استمرارية الأداء والموثوقية في كل الظروف.
OpenAI تُحدث واجهة Realtime لتطوير وكلاء صوتيين
