الذكاء الاصطناعي الصوتي أصبح الآن في متناول المطورين

لسنوات طويلة، كان بناء مساعد صوتي يعني ربط ثلاثة أنظمة منفصلة: واحد لتحويل الكلام إلى نص، وآخر للتفكير، وثالث للرد. كل خطوة تضيف تأخيراً، وإذا قاطع المتصل، انهار كل شيء. GPT-Live-1 من OpenAI، المتاح الآن عبر الواجهة البرمجية (API)، يجمع هذه الخطوات الثلاث في نموذج واحد.

السعر هو الخبر الحقيقي. بـ0.05 دولار في الدقيقة، تكلّف مكالمة خمس دقائق 25 سنتاً فقط. هذا رخيص بما يكفي لأي شركة ناشئة صغيرة لتشغيل وكلاء هاتفيين حقيقيين دون ميزانية ضخمة. يُقال إن إحدى الشركات التي تحولت إلى GPT-Live-1 حذفت 23,000 سطر من الكود كانت موجودة فقط للتعامل مع المقاطعات — النموذج يتولى ذلك الآن بنفسه.

GPT-Live-1 هو نموذج ثنائي الاتجاه بالكامل — يستمع ويتحدث في الوقت ذاته تماماً مثل الإنسان. يمكن للمتصل أن يقاطع في منتصف الجملة دون أن يضيع الخيط. في اختبارات الأداء، تفوق على أفضل نموذج صوتي سابق بـ30 نقطة. هذا الفارق يهم أكثر في كل ما يواجه العملاء — أي توقف محرج أو مقاطعة فاشلة تُفقد الثقة.

لمن يبني برمجيات تتحدث إلى البشر — خدمة العملاء، نماذج الاستقبال، أدوات الحجز، مكالمات المبيعات — هذا يغيّر ما يستطيع فريق صغير إطلاقه فعلاً. الأهم: الـ0.05 دولار تغطي طبقة الصوت فقط، والتفكير الذكي خلفها يُحتسب بشكل منفصل. لكن لمعظم الفرق، هذا يجعل وكيلاً صوتياً حقيقياً ممكناً للمرة الأولى.