اگر تا به حال از حالت صوتی ChatGPT استفاده کرده باشید، احتمالاً این تجربهی آزاردهنده را میشناسید: وسط جملهتان مکث میکنید تا فکرتان را جمع کنید، اما ChatGPT همان مکث کوتاه را نشانهی تمام شدن حرفتان میگیرد و شروع به صحبت میکند. حالا OpenAI با معرفی GPT-Live دقیقاً همین مشکل را هدف گرفته و حالت صوتی ChatGPT را از پایه بازسازی کرده است.
GPT-Live دقیقاً چیست؟
OpenAI در ۸ ژوئیهی ۲۰۲۶ (۱۷ تیر ۱۴۰۵) از نسل جدیدی از مدلهای صوتی به نام GPT-Live رونمایی کرد که قرار است جایگزین Advanced Voice Mode در ChatGPT شود. این خانوادهی جدید شامل دو مدل است:
- GPT-Live-1: نسخهی کامل و قدرتمندتر، که بهصورت پیشفرض در اختیار کاربران پولی (پلنهای Go، Plus و Pro) قرار میگیرد.
- GPT-Live-1 mini: نسخهی سبکتر و رایگان، که جایگزین پیشفرض حالت صوتی برای کاربران رایگان میشود.
هر دو مدل هماکنون در دسترس کاربران در سراسر جهان روی iOS، اندروید و نسخهی وب ChatGPT قرار گرفتهاند.
چرا GPT-Live یک جهش واقعی است؟
تفاوت اصلی GPT-Live با سیستم قبلی در چیزی است که OpenAI آن را معماری «full-duplex» یا «تمامدوطرفه» مینامد.
سیستم قدیمی مثل بیسیم کار میکرد: یک نفر حرف میزد، طرف مقابل صبر میکرد، بعد نوبت عوض میشد. اما GPT-Live مثل یک تماس تلفنی معمولی عمل میکند؛ همزمان که شما صحبت میکنید، مدل هم در حال «شنیدن» و پردازش است، و اگر وسط جملهی آن حرف بزنید، بلافاصله متوقف میشود و گوش میدهد.
چند ویژگی کلیدی دیگر GPT-Live:
- درک لحن صدا، نه فقط کلمات: مدل میتواند تشخیص دهد که آیا در حال فکر کردن هستید یا حرفتان تمام شده است.
- جستوجوی وب در حین مکالمهی صوتی: برای اولینبار، حالت صوتی ChatGPT میتواند در لحظه به اینترنت متصل شود.
- نمایش کارتهای بصری: هنگام پرسیدن سؤالاتی مثل وضعیت آبوهوا یا مسیر روی نقشه، ChatGPT در کنار پاسخ صوتی، اطلاعات را بهصورت بصری هم نشان میدهد.
- ترجمهی زنده: مکالمهی صوتی حالا از ترجمهی همزمان هم پشتیبانی میکند.
- واگذاری سؤالات سخت: وقتی سؤالی نیاز به استدلال پیچیده، ریاضیات یا جستوجوی چندمرحلهای دارد، GPT-Live آن را در پسزمینه به مدلهای قدرتمندتر مثل GPT-5.5 میسپارد، بدون اینکه روند مکالمه قطع شود.
طبق آمار رسمی OpenAI، بیش از ۱۵۰ میلیون کاربر هر هفته از قابلیتهای صوتی و دیکتهی ChatGPT استفاده میکنند؛ رقمی که نشان میدهد چرا این بازسازی برای شرکت اهمیت استراتژیک دارد.
چطور از GPT-Live استفاده کنیم؟
فعالسازی GPT-Live نیازی به تنظیمات خاصی ندارد و بهصورت خودکار جایگزین حالت صوتی قبلی شده است:
- اپلیکیشن ChatGPT را روی موبایل یا نسخهی وب باز کنید.
- آیکون صوتی (میکروفون) را در پایین صفحهی چت لمس کنید.
- اگر کاربر پولی هستید، بهصورت خودکار GPT-Live-1 فعال میشود؛ کاربران رایگان از GPT-Live-1 mini استفاده میکنند.
- در تنظیمات صوتی، امکان انتخاب سطح استدلال (Instant، Medium، High) نیز وجود دارد که سرعت پاسخ در برابر دقت پاسخ را تنظیم میکند.
محدودیتهای فعلی GPT-Live
با وجود پیشرفت چشمگیر، این نسخهی اول هنوز چند محدودیت دارد که خوب است بدانید:
- در زمان عرضه، از اشتراکگذاری تصویر یا صفحهنمایش پشتیبانی نمیکند (برای این کار همچنان باید از حالت Advanced قدیمی استفاده کنید).
- هنوز برای GPTهای سفارشی، ChatGPT Work و Codex در دسترس نیست.
- کیفیت در برخی زبانها ممکن است با لهجهی غیربومی یا کاستی در روانی صحبت همراه باشد.
- دسترسی از طریق API هنوز اعلام نشده و OpenAI فقط گفته که «در راه است».
جمعبندی
GPT-Live نشان میدهد که OpenAI صدا را نه یک قابلیت جانبی، بلکه بهعنوان یکی از رابطهای اصلی آیندهی هوش مصنوعی میبیند؛ رابطی که قرار است حتی کارهای پیچیده و طولانیمدت را هم مدیریت کند. اگر کاربر ChatGPT هستید، همین حالا و بدون هیچ کاری این تجربه در دسترستان است — کافی است یک بار امتحانش کنید تا تفاوت را با حالت صوتی قدیمی حس کنید.
سؤالات متداول دربارهی GPT-Live
آیا GPT-Live رایگان است؟ بله، نسخهی سبکتر آن یعنی GPT-Live-1 mini بهصورت پیشفرض برای همهی کاربران رایگان ChatGPT فعال است. نسخهی کاملتر GPT-Live-1 مخصوص کاربران پلنهای Go، Plus و Pro است.
چه تفاوتی بین GPT-Live و Advanced Voice Mode قدیمی وجود دارد؟ تفاوت اصلی در معماری «تمامدوطرفه» است که اجازه میدهد مدل همزمان بشنود و صحبت کند، بهجای پردازش نوبتی قدیمی. این موضوع مکالمه را طبیعیتر میکند و امکاناتی مثل جستوجوی وب زنده و ترجمهی همزمان را اضافه کرده است.
آیا GPT-Live از تصویر و اشتراکگذاری صفحه پشتیبانی میکند؟ در حال حاضر خیر. برای این کارها همچنان باید از حالت Advanced Voice Mode قدیمی استفاده کنید.