أطلقت شركة أوبن إيه آي ميزة ChatGPT Voice في تطبيقي سطح المكتب على نظامي macOS وWindows يوم 23 يوليو 2026، ناقلةً بذلك نموذج GPT-Live ثنائي الاتجاه من الهواتف إلى الأجهزة التي يؤدي عليها المستخدمون عملهم الفعلي. وتتيح الميزة التحكم في الحاسوب وتوجيه عدة وكلاء يعملون داخل ChatGPT Work أو Codex دون لمس لوحة المفاتيح، وقد بدأ طرحها عالميًا في اليوم نفسه لمشتركي خطط Plus وPro وBusiness وEdu وEnterprise.
وقالت أوبن إيه آي في إعلانها: "ChatGPT Voice متاح الآن في تطبيق سطح المكتب. تحكّم في حاسوبك ووجّه عدة وكلاء يعملون في ChatGPT Work أو Codex بصوتك فقط. الميزة مدعومة بنموذج GPT-Live، لذا يمكنه التحدث والاستماع وتنسيق العمل داخل التطبيق في الوقت نفسه."
أبرز النقاط
- وصلت ميزة ChatGPT Voice إلى تطبيقي سطح المكتب على macOS وWindows في 23 يوليو 2026، مع طرح عالمي في اليوم ذاته.
- تعمل الميزة على نموذج GPT-Live ثنائي الاتجاه الذي أطلقته الشركة للهواتف والويب في 8 يوليو، وهو يستمع ويتحدث في آن واحد بدل انتظار انتهاء الدور.
- يعمل الصوت عبر الواجهات الثلاث في التطبيق — Chat وChatGPT Work وCodex — بحيث يمكن لأمر منطوق أن يُنشئ وكلاء برمجة في الخلفية ويراقبهم ويعيد توجيههم.
- على نظام macOS، يسمح إذن اختياري لسياق الشاشة بأن يلتقط ChatGPT صورًا للنافذة النشطة (appshots) ويستخدمها كسياق للمحادثة.
- الميزة متاحة لخطط Plus وPro وBusiness وEdu وEnterprise، مع فترة وصول مبكر لمدة أسبوعين لحسابات Enterprise وEdu.
التفاصيل
الأساس التقني هو نموذج GPT-Live الذي قدّمته أوبن إيه آي مطلع يوليو. وخلافًا للمساعدات الصوتية التقليدية التي تنسخ الكلام ثم تفكر ثم تتحدث بالتتابع، يعمل GPT-Live بنمط ثنائي الاتجاه: يتحدث أثناء الاستماع، ويتعامل مع المقاطعات في منتصف الجملة، ويحيل مهام الاستدلال الأصعب أو عمليات البحث على الويب إلى نموذج متقدم منفصل يعمل في الخلفية. وهذه الخاصية الأخيرة هي ما يجعل نسخة سطح المكتب أكثر من مجرد اختصار للإملاء، إذ يبقى المسار الصوتي سريع الاستجابة بينما تُنفَّذ الأعمال الثقيلة في مكان آخر.
وداخل التطبيق، يترجم ذلك إلى تفويض للمهام. فبإمكان طلب منطوق أن يفتح مسارًا منفصلًا لمهمة معينة، ثم تتابع المحادثة نفسها تقدّم ذلك المسار وترسل تعليمات لاحقة دون أن يبدّل المستخدم النوافذ. ويمكن ضبط اختصار لوحة مفاتيح قابل للتخصيص من الإعدادات ثم Voice لاستدعاء الميزة أثناء العمل في تطبيق آخر، أو الضغط على زر Voice داخل التطبيق.
ويحصل مستخدمو Mac على قدرة إضافية واحدة. فعند تفعيل سياق الشاشة، يلتقط ChatGPT صورًا للنافذة النشطة ويدمجها في المحادثة، بحيث يصبح السؤال عن "هذا الخطأ" أو "هذا التصميم" مرتبطًا فعليًا بما يظهر على الشاشة. أما Windows فلا يملك المكافئ حتى الآن.
ووثّقت أوبن إيه آي قيودًا عملية مع الإطلاق. فاستهلاك الصوت يُحتسب ضمن نوافذ متحركة مدتها خمس ساعات، ويُخصم من حصة منفصلة عن استهلاك Codex الاعتيادي. ولا يمكن تشغيل أكثر من محادثة صوتية واحدة نشطة في التطبيق. أما الأذونات فتُورَّث من البيئة التي تعمل فيها المحادثة، أي أن جلسة صوتية داخل Codex تملك تمامًا الصلاحيات التي كان يملكها ذلك المسار، لا أكثر.
الأثر
بالنسبة للمطورين، تمثل هذه الميزة طبقة الإدخال الناقصة في منظومة ظلت أوبن إيه آي تبنيها قطعة تلو الأخرى. فقد دمجت الشركة Codex داخل ChatGPT في 9 يوليو لتأسيس ChatGPT Work، وكان Codex يسجل نحو 5 ملايين مستخدم أسبوعيًا وقت الدمج، وارتفع الرقم منذ ذلك الحين إلى نحو 10 ملايين. والتحكم الصوتي يحوّل أسطولًا من وكلاء البرمجة العاملين في الخلفية إلى شيء يمكن الإشراف عليه بالحوار بدل التنقل بين التبويبات.
ووصف مستخدمون أوائل على منصة X هذا التحول بالعبارات نفسها. فقد لاحظ المطور جوناثان رومر أن الإصدار لا ينجح إلا لأن عدة مكوّنات سابقة نضجت معًا: "كان لا بد أن يصبح استخدام الحاسوب أسرع بكثير. وكان على Codex أن يقدر على إنشاء مسارات أخرى ومراقبتها والتدخل فيها. وكان على الصوت أن يصبح طبيعيًا بما يكفي لإجراء محادثة حقيقية." وأفاد مستخدم آخر بأنه وصف خللًا برمجيًا بصوته، فتولى النظام العثور على التذكرة في GitHub وإعادة إنتاج الخلل وإصلاحه مع تغطية اختبارية وفتح طلب دمج.
أما التموضع التنافسي فمباشر. فـCodex هو رد أوبن إيه آي على Claude Code من أنثروبيك، وتنسيق الوكلاء بالصوت ميزة تفاضلية لم يطلقها أي منافس على سطح المكتب. كما يأتي الإطلاق بعد ثمانية أيام من إعلان xAI عن عملها الخاص في الصوت ثنائي الاتجاه، مع فارق لافت: تبيع xAI أداة Voice Agent Builder بلا برمجة للمطورين بنحو خمسة سنتات للدقيقة الصوتية، بينما يظل GPT-Live محصورًا داخل ChatGPT دون واجهة برمجية عامة.
ما التالي
السؤال المفتوح الأبرز هو ما إذا كانت أوبن إيه آي ستتيح GPT-Live عبر واجهتها البرمجية. وإلى أن يحدث ذلك، تبقى جودة النموذج عرضًا توضيحيًا لا لبنة بناء، وستواصل الفرق الراغبة في صوت ثنائي الاتجاه داخل منتجاتها البحث في أماكن أخرى. ويبقى معلّقًا أيضًا ما إذا كان Windows سيحصل على مكافئ لسياق الشاشة، وكيف ستصمد نوافذ الاستهلاك ذات الخمس ساعات أمام مطورين يتركون جلسة صوتية مفتوحة طوال يوم العمل.
المصدر: OpenAI