شرکت OpenAI اعلام کرد ماه آینده دو گزینه صوتی قدیمی ChatGPT حذف و GPT-Live به‌عنوان تجربه صوتی پیش‌فرض باقی می‌ماند؛ صدای پیشرفته و استاندارد در ۱۱ دسامبر ۲۰۲۶ از انتخابگر مدل حذف می‌شوند. استفاده از صوت پس از معرفی GPT-Live در ژوئیه تقریباً دو برابر شده و تقریباً همه کاربران به آن روی آورده‌اند.

به گزارش منشور اقتصاد-شرکت OpenAI ماه آینده دو گزینه صوتی قدیمی را در ChatGPT حذف خواهد کرد و GPT-Live را به عنوان تجربه صوتی پیش‌فرض پلتفرم باقی خواهد گذاشت. بدین ترتیب، صدای پیشرفته و استاندارد در تاریخ 11 دسامبر 2026 از انتخابگر مدل حذف خواهند شد.

این تغییر بر کاربرانی که هنوز حالت‌های مکالمه قدیمی‌تر را ترجیح می‌دهند، تأثیر می‌گذارد. اوپن‌ای‌آی می‌گوید تقریباً همه کاربران صدای ChatGPT از زمان معرفی آن در ماه ژوئیه به GPT-Live روی آورده‌اند. استفاده از صدا نیز در این دوره تقریباً دو برابر شده است که نشان دهنده تغییر قابل توجه به سمت سیستم جدیدتر است.

کاربران می‌توانند در طول این انتقال به صدای پیشرفته و استاندارد دسترسی داشته باشند. با این حال، کسانی که به هر یک از این گزینه‌ها متکی هستند، باید قبل از مهلت دسامبر، خود را وفق دهند.

گفتنی است که این کنار گذاشتن همچنین بر GPTهای سفارشی که در حال حاضر از فناوری صدای قدیمی‌تر استفاده می‌کنند، تأثیر می‌گذارد.

«GPT-Live» در مرکز توجه

مدل «GPT-Live» از معماری متفاوتی نسبت به نسخه‌های قبلی خود استفاده می‌کند. این مدل می‌تواند همزمان گوش دهد و صحبت کند و به مکالمات اجازه می‌دهد بدون نوبت‌گیری مرسوم، جریان داشته باشند.

این قابلیت، تبادلات سریع‌تر و وقفه‌های طبیعی‌تری را ممکن می‌سازد. همچنین می‌تواند کاربران را با پاسخ‌های کوتاه در حین صحبت تأیید کند. این مدل می‌تواند زمانی که کسی به زمان برای فکر کردن نیاز دارد، ساکت بماند و مکالمات را کمتر خشک جلوه دهد.

مدل «GPT-Live» همچنین برای درخواست‌های دشوارتر با مدل‌های مبتنی بر متن اوپن‌ای‌آی ارتباط برقرار می‌کند و می‌تواند سوالات پیچیده و وظایف چند مرحله‌ای را بدون پایان دادن به مکالمه صوتی جاری، واگذار کند. این امر به کاربران اجازه می‌دهد تا در حالی که سیستم کارهای پیچیده‌تری را در پس‌زمینه انجام می‌دهد، به صحبت خود ادامه دهند.

صدای پیشرفته از رویکرد سنتی‌تری پیروی می‌کند. مدل زیربنایی آن، صدای ورودی و خروجی را مستقیماً پردازش می‌کرد. با این حال، قبل از ایجاد پاسخ، باید منتظر می‌ماند تا کاربران صحبت خود را تمام کنند.

صدای استاندارد به سه مدل جداگانه متکی بود. یکی گفتار را به متن تبدیل می‌کرد، دیگری پاسخ را تولید می‌کرد و سومی آن پاسخ را به صدا تبدیل می‌کرد. مراحل پردازش اضافی اغلب باعث تأخیر و از دست رفتن اطلاعات بین صدا و متن می‌شد.

اوپن‌ای‌آی اکنون می‌خواهد این قابلیت‌ها را در یک تجربه صوتی ادغام کند. این شرکت همچنین قصد دارد با توسعه «GPT-Live»، عمق پاسخ، تداوم مکالمه و شخصی‌سازی را بهبود بخشد.

آنچه کاربران باید بدانند

اوپن‌ای‌آی از تاریخ 10 نوامبر 2026 شروع به اطلاع‌رسانی به کاربران در مورد این بازنشستگی کرده است. کاربران فعلی صدای پیشرفته و استاندارد می‌توانند تنظیمات دلخواه خود را تا 11 دسامبر حفظ کنند.

پس از آن تاریخ، هر دو گزینه از تنظیمات زیر بخش صدا ناپدید می‌شوند و ChatGPT به طور خودکار کاربرانی را که از آن صداها استفاده می‌کردند،  به «GPT-Live» می‌برد.

ضمن اینکه کاربران نیازی به انتقال دستی مکالمات موجود خود یا شروع چت‌های جدید نخواهند داشت و مکالمات قبلی از طریق تاریخچه ChatGPT قابل دسترسی خواهند بود و کاربران می‌توانند آن بحث‌ها را از طریق متن یا تجربه صدای زنده جدید ادامه دهند.

GPTهای سفارشی نیز در 11 دسامبر دسترسی به صدای پیشرفته را از دست خواهند داد. تا تاریخ بازنشستگی، مکالمات با GPTهای سفارشی با استفاده از مدل قدیمی ادامه خواهد یافت. توسعه‌دهندگان و کاربران باید هنگام برنامه‌ریزی گردش‌های کاری صوتی موجود خود، این تغییر را در نظر بگیرند.

استثناء در اشتراک‌گذاری ویدیو و صفحه نمایش

یک قابلیت مهم فعلاً زیرساخت صوتی موجود خود را حفظ خواهد کرد. ویدیوی زنده و اشتراک‌گذاری صفحه نمایش از طریق صدای پیشرفته ادامه خواهد یافت.

طبق گفته اوپن‌ای‌آی، «GPT-Live» هنوز از این ویژگی‌ها پشتیبانی نمی‌کند. این شرکت سیستم قدیمی‌تر را تا زمانی که مدل جدیدتر آن قابلیت‌های معادل را به دست آورد، حفظ خواهد کرد.

این امر باعث ایجاد تمایز موقت بین مکالمات صوتی استاندارد ChatGPT و ویژگی‌های بصری تعاملی آن می‌شود. کاربران همچنان می‌توانند در طول این انتقال به ویدیوی زنده و اشتراک‌گذاری صفحه نمایش دسترسی داشته باشند.

اوپن‌ای‌آی جدول زمانی مشخصی برای ارائه این قابلیت‌ها به «GPT-Live» ارائه نکرده است. در حال حاضر، 11 دسامبر تنها پایان دو حالت صوتی قدیمی است، نه همه ویژگی‌هایی که توسط صدای پیشرفته پشتیبانی می‌شوند.