كان وضع الصوت في ToRun أشبه بجهاز لاسلكي. تتكلم، فيستمع؛ يتكلم، فيُغلَق ميكروفونك. الناس لا يتحدثون هكذا، ويلاحظ الجميع ذلك خلال نحو ثلاثين ثانية — اللحظة التي تريد فيها أن تقول «لا، الآخر» وعليك أن تنتظر انتهاء الجملة أولًا.
gpt-live-1 محرك اتصال ثنائي كامل. يبقى الميكروفون مفتوحًا أثناء حديثه. تستطيع مقاطعته كما تقاطع شخصًا، وهو يسمعك أثناء حديثه، لا بعده فقط.
وراء نفس العقد
هذا بروتوكول مختلف عن الصوت الفوري الذي كان لدينا بالفعل — نقطة نهاية مختلفة، مفردات أحداث مختلفة، لا معرّفات جولة، لا علامة نهاية جولة. يُترجَم كل ذلك عند حدّ واحد إلى الأحداث التي يتحدثها جسر الصوت لدينا بالفعل. تحت ذلك، لا يتغير شيء: نفس الجلسة، نفس الأدوات أثناء المكالمة، نفس التسوية بالدقيقة، نفس التطبيقين.
قبل كتابة سطر واحد، شغّل مسبار الحلقة كاملة مقابل المزوّد بمفتاح تطوير وسجّل الإطارات. تلك التسجيلات هي التركيبات التي تُختبر طبقة الترجمة مقابلها — فما يُختبر إذًا هو ما يرسله المزوّد فعلًا، لا ما يدّعي مستند إرساله.
الصدى هو سبب أن أحدًا لا يفعل هذا افتراضيًا
ميكروفون مفتوح أثناء التشغيل يسمع المساعد. بلا كتم، يجيب نفسه، إلى الأبد. لهذا على iOS تنتقل جلسة الصوت إلى ملف معالجة الصوت، الذي يلغي الصدى ويتصرف كمكبر صوت؛ على Android يقوم إعداد الالتقاط المسبق بنفس العمل.
لهذا تكلفة حقيقية، ولهذا يُقرَّر حسب النموذج لا عالميًا. يحمل سطر الكتالوج علمًا. يبقي نموذج بهذا العلم الميكروفون مفتوحًا ويفعّل الإلغاء؛ يحتفظ كل صوت آخر على المنصة ببوابته وملفه الصوتي الأعلى، تمامًا كما كان. يُتخذ القرار عند بدء الجلسة، ويُعاد اتخاذه من واقع ما فتحه الخادم فعلًا، احتياطًا لأن يكون افتراض المستوى قد حُلّ إلى شيء آخر.
على الويب لم يتغير شيء: لم يُغلَق الميكروفون هناك قط، والمتصفح يطلب بالفعل إلغاء الصدى.
ما ليس عليه بعد
ليس متاحًا في المستوى المجاني. ستختفي دقيقة مجانية في تبادل واحد، ومخصص ينفد في منتصف الجملة أسوأ من مخصص لم يُعرض قط.
وتتصرف النسخة الأولى أشبه بتحسّن منه بتحوّل جذري على الهاتف، لأن كلا التطبيقين لا يزالان يحتفظان بجزء من حجب الخاص بهما حتى يُؤكَّد إلغاء جانب الجهاز على عتاد حقيقي. المحرك ثنائي كامل؛ الهواتف تلحق به.