GPT-Live-1: كيف يعمل نموذج OpenAI الصوتي ثنائي الاتجاه الكامل في المكالمات الهاتفية

GPT-Live-1 هو نموذج OpenAI الصوتي ثنائي الاتجاه الكامل (full-duplex). فهو يستمع ويتحدث في الوقت نفسه، ويتعامل مع المقاطعات بنفسه، ويُسند الاستدلال واستخدام الأدوات إلى نموذج خلفي (backend) منفصل. أتاحته OpenAI في API بتاريخ 10 سبتمبر 2026 بعد ظهوره الأول في الوضع الصوتي في ChatGPT، وهو متاح على الوكلاء الهاتفيين في منصّة Retell AI منذ 2 نوفمبر 2026. يشرح هذا الدليل طريقة عمله، وتكلفته في API، وموقعه في المكالمات الهاتفية، وكيفية إعداده على وكيل في منصّة Retell.

تنشر منصّة Retell AI هذا الدليل وتقدّم GPT-Live-1 كأحد النماذج المتاحة على منصّتها للوكلاء الصوتيين.

GPT-Live-1 في لمحة

المصادر: صفحة نموذج GPT-Live-1 من OpenAI، ودليل Live، ودليل محادثات Live، وسجل تغييرات API، ومنشور الإطلاق؛ ومعلومات GPT-Live-1.1 من منشور في منتدى مطوّري OpenAI. تمت المراجعة في 5 نوفمبر 2026.

كيف يعمل الاتجاه الثنائي الكامل

تتبادل معظم الوكلاء الصوتيين الأدوار في المحادثة بإحدى طريقتين. فالوكيل المتسلسل (cascading) يحوّل كلام المتصل إلى نص، ثم يرسل النص إلى نموذج لغوي، ثم يحوّل الرد إلى كلام. أما نموذج تحويل الكلام إلى كلام (speech-to-speech)، مثل gpt-realtime-2.1 من OpenAI، فيؤدي المراحل الثلاث داخل نموذج واحد.

يقسّم GPT-Live-1 المهمة بطريقة مختلفة. فالنموذج الصوتي يتولى المحادثة: يسمع المتصل أثناء حديثه، ويتعامل مع المقاطعة والتوقفات، ويقرر ما سيقوله بعد ذلك. وعندما يحتاج إلى معلومة أو إجراء، يطلب العمل من النموذج الخلفي عبر توليد token خاص هو <|SpawnThinking|>. ويمكن أن يكون النموذج الخلفي نموذجًا أو وكيلًا أو خدمة؛ وفي منصّة Retell يكون نموذجًا نصيًا تختاره أنت، يشغّل أدوات الوكيل وقاعدة المعرفة الخاصة به. يعيد النموذج الخلفي النتيجة، فيصوغها النموذج الصوتي بكلماته الخاصة. ويمكن أن يستمر عمل النموذج الخلفي حتى عندما يقاطع المتصل.

تدعم أرقام OpenAI نفسها جدوى هذا التقسيم. ففي الرسوم البيانية الواردة في منشور إطلاقه في API، ينجح GPT-Live-1 مع GPT-6 Astra بمستوى استدلال متوسط كنموذج خلفي في 86.2% من المهام الصوتية في Tau3 (دعم شركات الطيران والتجزئة والاتصالات) من المحاولة الأولى، مقابل 45.7% لـ GPT-Realtime-2.1. وفي اختبار Full Duplex Bench، تشير OpenAI إلى زمن استجابة في تبادل الأدوار قدره 0.798 ثانية لـ GPT-Live-1، مقابل 1.41 ثانية لـ GPT-Realtime-2.1. هذه نتائج OpenAI، وليست قياسات أجرتها منصّة Retell.

متسلسل، أم تحويل الكلام إلى كلام، أم ثنائي الاتجاه الكامل؟

تدعم منصّة Retell الطرق الثلاث لتشغيل وكيل صوتي، ولكل منها مكالمات تناسبها.

لخيار تحويل الكلام إلى كلام من xAI، اطّلع على كيفية تشغيل وكيل هاتفي على Grok Voice. وللاطلاع على نطاق أوسع من النماذج، راجع مقارنتنا لـ واجهات API لتحويل الكلام إلى كلام بالذكاء الاصطناعي للمكالمات الهاتفية.

موقع GPT-Live-1 في المكالمات الهاتفية

يبرز GPT-Live-1 أكثر في الوكلاء أحاديي الـ prompt الذين ينفّذون إجراءات أثناء المكالمة، مثل حجز المواعيد أو الاستعلام عن طلب، حيث تكون فجوة الاستجابة في الوكيل المتسلسل ملحوظة. فبينما يُجري النموذج الخلفي الحجز أو الاستعلام، يواصل النموذج الصوتي المحادثة بدلًا من التوقف عند عبارة حشو.

وعلى منصّة Retell، له حدود واضحة:

• للوكلاء الصوتيين أحاديي الـ prompt فقط. فهو غير متاح لمسارات المحادثة، أو الوكلاء متعددي الـ prompt، أو وكلاء التحويل، أو وكلاء الدردشة. استخدم نموذجًا متسلسلًا أو نموذج تحويل الكلام إلى كلام لهذه الحالات.
• بعض الأدوات غير مدعومة. تُرفض أدوات تبديل الوكيل، والتحويل المُمهَّد (المُجسَّر)، وإلغاء التحويل عند الحفظ. أما تحويل المكالمات العادي، وإنهاء المكالمة، والضغط على رقم، فتعمل جميعها.
• للحسابات المدفوعة فقط. كما هو الحال مع نماذج تحويل الكلام إلى كلام، لا يشمل الإصدار التجريبي المجاني GPT-Live-1.
• لا تبديل لكل مكالمة. لا يمكن لتجاوز إعدادات الوكيل في مكالمة واحدة نقل الوكيل إلى GPT-Live-1.

كيفية إعداد GPT-Live-1 على وكيل هاتفي في منصّة Retell

يُهيّأ GPT-Live-1 عبر API الخاصة بمنصّة Retell، على Retell LLM.

1. أنشئ Retell LLM مع ضبط model_config على النوع duplex، وgpt-live-1 كنموذج أساسي، والنموذج النصي الذي تريده كنموذج خلفي.
2. اكتب اثنين من الـ prompts. general_prompt هو prompt النموذج الخلفي: المهمة والأدوات وضوابط الحماية. أما voice_prompt فيحدد للنموذج الصوتي كيف يتحدث ومتى يُسند العمل إلى النموذج الخلفي، ويمكن أن يصل إلى 15,000 token.
3. اربط نموذج LLM بوكيل صوتي كمحرك استجابة له، تمامًا مثل أي Retell LLM آخر.
4. اربط رقم هاتف واستقبل المكالمات الواردة أو أجرِ المكالمات الصادرة.

إليك طلبًا مقتبسًا من توثيق Retell لوكيل عيادة أسنان:

curl --request POST "https://api.retellai.com/create-retell-llm" \
  --header "Authorization: Bearer $RETELL_API_KEY" \
  --header "Content-Type: application/json" \
  --data '{
    "general_prompt": "You are the backend for a dental clinic phone agent. Collect the caller name and date of birth, then use the booking tool to find and confirm an appointment. Keep names, numbers, and dates exact.",
    "voice_prompt": "You are a warm, efficient front-desk agent for Bright Smile Dental. Keep replies short and natural, and ask one question at a time.\n\nDelegation policy:\nBackend tools:\n- Appointments: find open times and book, change, or cancel appointments.\n\nGenerate <|SpawnThinking|> when:\n- The caller wants to book, change, or cancel an appointment.\n\nDo not generate <|SpawnThinking|> when:\n- You need a brief clarification to understand the request.",
    "model_config": {
      "type": "duplex",
      "primary": { "model": "gpt-live-1" },
      "backend": { "model": "gpt-4.1" }
    }
  }'

تجد التفاصيل الكاملة للحقول في دليل إعداد GPT Live.

كتابة prompt الصوتي

يُعدّ prompt الصوتي الموضع الذي تخطئ فيه معظم وكلاء GPT-Live-1. فالنموذج لا يُسند العمل إلى النموذج الخلفي إلا عندما يولّد <|SpawnThinking|>، لذا يجب أن تستخدم قواعد الإسناد هذه العبارة بالضبط. فصياغات مثل "اسأل النموذج الخلفي" أو "أسند المهمة" لا تؤدي إلى الإسناد. كما يحذّر دليل كتابة الـ prompts من OpenAI من أن الوعد المنطوق مثل "أنا أتحقق من ذلك" لا يعني أن عمل النموذج الخلفي قد بدأ.

اكتب prompt الصوتي في جزأين:

• الشخصية وأسلوب الحديث. من هو الوكيل وكيف يتحدث، مثل نبرة الصوت وطول الردود.
• سياسة إسناد تحت ثلاثة عناوين، تُكتب كما هي تمامًا: "Backend tools:" تسرد ما يستطيع النموذج الخلفي فعله، قدرة واحدة في كل سطر. و"Generate <|SpawnThinking|> when:" تسرد متى يتم الإسناد. و"Do not generate <|SpawnThinking|> when:" تسرد ما يُجاب عنه مباشرة.

احتفظ بتعريفات الأدوات، والإجراءات خطوة بخطوة، والحقائق مثل الأسعار في prompt النموذج الخلفي وفي قاعدة المعرفة. فالنموذج الصوتي لا يراها؛ بل يسأل النموذج الخلفي ويصوغ الإجابة بكلماته الخاصة. كما تضيف منصّة Retell نيابةً عنك تعليمات التحكم في المكالمة (إنهاء المكالمة، والتحويلات، وضغطات لوحة المفاتيح) وإعدادات الوكيل إلى النموذج الصوتي، لذا لا داعي لتضمينها.

ما ينتقل من إعدادات الوكيل

لا تزال معظم إعدادات الوكيل في منصّة Retell سارية. إذ يلتزم النموذج الصوتي بلغة الوكيل، وحساسية المقاطعة، وسرعة التجاوب، والتفاعلات الصوتية القصيرة (backchannel)، وسرعة الصوت، والنطق، والكلمات المفتاحية المعزّزة، وضوابط الحماية. ويجري اكتشاف البريد الصوتي وIVR وطلبات عدم الاتصال وطلبات معاودة الاتصال عبر النموذج الخلفي، ولا يزال إعداد رسالة الترحيب يحدد من يتحدث أولًا.

هناك أمران يختلف سلوكهما. يُتجاهل إعداد "التحدث أثناء التنفيذ" لكل أداة، لأن النموذج الصوتي يواصل الحديث أثناء عمل النموذج الخلفي، ويتحدث الوكيل دائمًا بعد انتهاء الأداة. كما تُملأ المتغيرات الديناميكية في prompt الصوتي مرة واحدة عند بدء المكالمة.

تكلفة GPT-Live-1

في API الخاصة بـ OpenAI، تبلغ تكلفة الجلسة الصوتية لـ GPT-Live-1 ‏$0.05 لكل دقيقة، مع احتساب الفوترة بالثانية ودون تقريبها إلى الدقيقة التالية. ويُحتسب النموذج الخلفي وأدواته بشكل منفصل بأسعارها المعتادة.

وعلى منصّة Retell، يُحتسب النموذج الصوتي لكل دقيقة من زمن المكالمة، ويُحتسب نموذج LLM النصي الخلفي بشكل منفصل وفق استخدامه. تجد الأسعار الحالية في صفحة الأسعار. وهناك تفصيل مهم للمكالمات الطويلة: تخفّض منصّة Retell رسوم النماذج خلال فترات الصمت الطويلة، لكن النماذج الصوتية ثنائية الاتجاه الكامل تظل خاضعة للفوترة خلال تلك الفترات.

الأسئلة الشائعة

ما هو GPT-Live-1؟

GPT-Live-1 هو نموذج OpenAI الصوتي ثنائي الاتجاه الكامل للمحادثات في الوقت الفعلي. فهو يستمع ويتحدث في الوقت نفسه، ويتعامل مع المقاطعات، ويُسند الاستدلال واستخدام الأدوات إلى نموذج أو وكيل خلفي تختاره أنت.

هل GPT-Live-1 متاح في API؟

نعم. أصبح GPT-Live-1 متاحًا للجميع في API الخاصة بـ OpenAI بتاريخ 10 سبتمبر 2026، على endpoint جلسات Live. أما GPT-Live-1.1، وهو إصدار أحدث يضم أصواتًا أكثر وأداءً أفضل في اللغات غير الإنجليزية، فقد طُرح في ChatGPT وCodex وdots بتاريخ 15 أكتوبر 2026، مع الإعلان عن وصوله قريبًا إلى API.

كم تبلغ تكلفة GPT-Live-1؟

تفرض OpenAI ‏$0.05 لكل دقيقة لجلسة GPT-Live-1 الصوتية، مع احتساب الفوترة بالثانية. ويُحتسب استخدام النموذج الخلفي والأدوات بشكل منفصل بأسعارها المعتادة.

هل يستطيع GPT-Live-1 التعامل مع المكالمات الهاتفية؟

نعم. تدعم OpenAI اتصالات الهاتف وSIP لجلسات Live. وعلى منصّة Retell، يُعدّ وكيل GPT-Live-1 وكيلًا صوتيًا كأي وكيل آخر، لذا يمكنك ربطه برقم هاتف للمكالمات الواردة والصادرة، ويعمل كلٌّ من تحويل المكالمات العادي والضغط على رقم.

ما الفرق بين GPT-Live-1 وgpt-realtime؟

نماذج gpt-realtime هي نماذج تحويل الكلام إلى كلام: نموذج واحد يستمع ويستدل ويستدعي الأدوات ويتحدث، عبر Realtime API من OpenAI. أما GPT-Live-1 فيعمل على endpoint منفصل لجلسات Live، ويُبقي الصوت في نموذجه الخاص، ويرسل الاستدلال والأدوات إلى نموذج خلفي. وتشير OpenAI إلى معدلات أعلى لإنجاز المهام عند إقران GPT-Live-1 بنموذج خلفي قوي، وإلى تبادل أسرع للأدوار.

هل يعمل GPT-Live-1 مع مسارات المحادثة على منصّة Retell؟

لا. على منصّة Retell، يعمل GPT-Live-1 فقط مع الوكلاء الصوتيين أحاديي الـ prompt. أما مسارات المحادثة والوكلاء متعددو الـ prompt فيحتاجون إلى نموذج متسلسل أو نموذج تحويل الكلام إلى كلام.

جرّب GPT-Live-1 على مكالماتك

إذا كان وكيلك ينفّذ إجراءات أثناء المكالمة وتزعجك فترات التوقف، فإن GPT-Live-1 يستحق تجربة أولية. اتبع دليل الإعداد، واربط رقمًا في Retell، وقارنه بنموذجك الحالي على مكالمات حقيقية قبل التبديل.