وضع الصوت المتقدم في ChatGPT: كيف تفهم الآلة ضحكتك وتوقفها في منتصف الجملة؟

تخيل أنك تتحدث مع صديق في مكالمة، وفي منتصف جملته تتذكر شيئاً مهماً فتقاطعه: «انتظر، نسيت أن أخبرك...». الصديق يتوقف فوراً ويستمع. هذا بالضبط ما يفعله وضع الصوت المتقدم في ChatGPT. في السابق، كانت المساعدات الصوتية تنتظر حتى تنتهي من كلامك، ثم تبدأ هي. الآن يمكنك أن تقاطعها في أي لحظة فتصمت، وكأنها تسمعك فعلاً.

لماذا كان الصوت القديم بطيئاً ومتقطعاً؟

الطريقة التقليدية كانت تمر بثلاث مراحل: يسجل الجهاز صوتك، ثم يحوله إلى نص مكتوب، ثم يرسل النص إلى نموذج لغوي ليصوغ رداً، وأخيراً يحول الرد إلى صوت مسموع. كل خطوة تستهلك وقتاً، وتفقد النبرة والضحكة والتردد. عندما تقول «أنا بخير» بنبرة حزينة، يقرأ النظام الكلمات فقط ويكتب رداً عادياً، لأنه لم يسمع الحزن في صوتك.

وضع الصوت المتقدم تجاوز هذه المراحل. يعالج الصوت مباشرة من الموجة الصوتية إلى الموجة الصوتية، دون تحويل وسيط إلى نص. هذا يعني أن النظام يسمع السرعة والنبرة والتوقف والضحكة، ويرد بصوت يحمل انفعالاً مناسباً. عندما تهمس، يخفض صوته. وعندما تمزح، يضحك معك.

كيف تبدأ المحادثة الصوتية؟

افتح تطبيق ChatGPT على هاتفك، ثم اضغط على أيقونة الموجات الصوتية في الزاوية السفلية. ستبدأ جلسة صوتية مباشرة. يمكنك أن تتحدث بحرية، وأن تقاطع المساعد في أي لحظة. إذا سألته سؤالاً طويلاً وبدأ يشرح، وقلت «توقف»، سيصمت فوراً وينتظر تعليماتك التالية.

• المقاطعة الفورية: تحدث أثناء رد المساعد فيتوقف عن الكلام في اللحظة نفسها، دون أن يكمل جملته.
• فهم النبرة: يلتقط السخرية والحماس والتردد والحزن من طريقة كلامك، لا من الكلمات وحدها.
• أصوات متعددة: يقدم أصواتاً شبه بشرية بلهجات إقليمية مختلفة، ويمكنه تقليد إيقاع رواة القصص.
• الرد الصوتي المباشر: يجيب بصوت طبيعي دون أن تمر إجابته بمرحلة كتابة.

أين تظهر الحدود؟

قد يرفض النظام طلبات معينة، مثل الغناء أو تقليد صوت شخصية عامة محددة، التزاماً بسياسات السلامة. هذا ليس عيباً تقنياً، بل قيد مقصود يمنع إساءة استخدام الأصوات. كما أن الصوت يُعالج في خوادم الشركة، والتسجيلات الخام لا تُحفظ افتراضياً بعد انتهاء الجلسة إذا كان خيار الاحتفاظ معطلاً. لكن هذا لا يعني أن كل شيء خاص تماماً؛ فالمعالجة تحدث عبر الإنترنت، وتحتاج إلى اتصال مستقر.

في المقابل، تنافس هذه الميزة أدوات مشابهة مثل Gemini Live من جوجل والأصوات الجديدة في Siri من آبل. المنافسة تدفع الجميع إلى تحسين سرعة الاستجابة وفهم النبرة، لكن الفروق تبقى في التفاصيل: هل يفهم اللهجة؟ هل يتوقف فوراً؟ هل يحافظ على طبيعته بعد عشر دقائق من الحوار؟

ماذا يعني هذا في الاستخدام اليومي؟

إذا كنت تتعلم لغة جديدة، يمكنك أن تتحدث بحرية وتقاطع المساعد لتصحيح نفسك. إذا كنت تكتب رسالة وتحتاج إلى صياغة أسرع، يمكنك أن تملي أفكارك وتسمع اقتراحات بصوت طبيعي. وإذا كنت تشرح فكرة معقدة، يمكنك أن تختبر فهم المساعد من خلال الاستماع إلى ردّه، لا من خلال قراءة نص جاف. الفرق ليس في السرعة فقط، بل في الإحساس بأنك تتحدث مع شيء يستمع إليك، لا مع آلة تنتظر دورها.