Fish Audio Live 3 جاهز للإنتاج ومغلق: ما الذي يطلبه عرض vLLM-Omni فعليًا

الجملة الأكثر إفصاحًا عن Fish Audio Live 3 لم تكتبها Fish Audio. فعندما أعلنت الشركة عن النموذج في 10 نوفمبر 2026، جاء الرد الذي بلغ أبعد مدى من حساب مشروع vLLM: تهانينا على إطلاق نموذج صوتي كامل الازدواجية يستمع بينما يتحدث، مع أمنية بأن يُفتح مصدره يومًا ما، وعرض بأن يكون vLLM-Omni سعيدًا بتقديمه بمجرد أن يحدث ذلك. اقرأ ذلك الرد مرتين وستتبيّن لك ملامح الإصدار بأكمله، لأنه يحتوي على نصفي القصة في آن واحد — تقدّم حقيقي في القدرات، وغياب يلاحظه أي إطار تقديم فورًا.

Fish Audio Live 3 هو نموذج كلام مزدوج الاتجاه بالكامل: يواصل الاستماع بينما يولّد الكلام، ويُطرح للبيع كمنتج جاهز للإنتاج منذ اليوم الأول عبر منصة Agent Platform الخاصة بـ Fish Audio، وعبر واجهة برمجة التطبيقات الخاصة بالشركة، وكإصدار يُنشر على خوادم المؤسسات. لكنه ليس قابلًا للتنزيل. لا أوزان للنموذج، ولا ترخيص، ولا مستودع، و— اعتبارًا من 11 نوفمبر — لا معرّف نموذج في وثائق واجهة برمجة التطبيقات الخاصة بـ Fish Audio، التي لا تزال تُدرج s2.1-pro، s2.1-pro-free، s2-pro، s1 وثلاثة نماذج نسخ، ولا شيء باسم Live 3. كل رقم أداء أدناه خاص بـ Fish Audio، ولم يُعَد إنتاج أي منها بشكل مستقل.

ما الذي تم إطلاقه، وما الذي يفعله تعبير «جاهز للإنتاج» في تلك الجملة

الادعاء التقني في الإعلان أضيق نطاقًا وأكثر إثارة للاهتمام من العبارة التسويقية. تقول Fish Audio إن النموذج يتعامل مع توقيت المحادثة داخل نموذج الكلام نفسه بدلًا من عبر سلسلة معالجة من مراحل منفصلة للتعرف والاستدلال والتوليد، وإنه تعلّم متى يقرّ أو ينتظر أو يجيب أو يتوقف من محادثات بشرية مسجلة بدلًا من عتبات صمت مكتوبة يدويًا. وهناك طبقة استدلال منفصلة تحمل تعليمات الوكيل وأدواته. وتُرفَق مع المنشور ثلاث مكالمات تجريبية — إتمام طلب، والمقاطعة، وإصدار إشارات استماع أثناء إعادة القراءة — وهي أقرب شيء إلى دليل في الإصدار.

ما يعنيه «جاهز للإنتاج» عمليًا هو أن الغلاف التجاري موجود يوم الإطلاق: منصة ذاتية الخدمة برصيد ٥ دولارات ودون بطاقة، وأداة موثّقة لبناء الوكلاء، واتصال هاتفي، وخيار محلي للمؤسسات. ولا يعني أن النموذج مرّ بأي شيء قد يسميه المشتري اختبارات قبول. لا يوجد أي تقييم منشور من أي نوع — لا معدل خطأ الكلمات، ولا نجاح المهام، ولا درجة تناوب الأدوار، ولا توزيع زمن الاستجابة. وهذا ليس غير معتاد بالنسبة لنموذج صوتي في يومه الأول، لكن يجدر قوله بصراحة، لأن منشور إطلاق يبدأ بالمللي ثانية يدعو القراء إلى التعامل مع الحد الأدنى كأنه قياس.

ثلاثة أرقام، واثنان منها فقط من Fish Audio

سرعة الاستجابة — 186 مللي ثانية، وهو رقم خاص بـ Fish Audio، وُصِف في سياق الاستجابات القصيرة مثل "mm-hmm" أو تأكيد سريع أثناء تجهيز الإجابة الكاملة. إنه حدّ أدنى للإقرار، وليس زمنًا حتى أول صوت للإجابة.

• السعر — $0.035 لكل دقيقة على Agent Platform، ويُروَّج له كخصم 50% من سعر قائمة قدره $0.07، مع الإشارة إلى أن العرض ينتهي في 31 ديسمبر 2026. يشمل ذلك السعر لكل دقيقة التعرف على الكلام ونموذج الاستدلال والصوت؛ وتُحاسَب رموز LLM المميزة بسعر الرموز الخاص بها، وتضيف المكالمات الهاتفية $0.01 لكل دقيقة، وتكلّف أرقام الهاتف $1.20 شهريًا.

• درجات مستقلة — صفر. تشغّل Artificial Analysis لوحة تحويل الكلام إلى كلام تُرتّب Grok Voice 3.0 وGPT-Live-1 وGemini 3.8 Live وQwen Audio 3.0 Realtime واثني عشر آخرين وفق الاستدلال وديناميكيات المحادثة ونجاح المهام والزمن حتى أول صوت. وعند التحقق في 11 نوفمبر 2026، لا تضم تلك اللوحة أي صف لـ Fish Audio duplex على الإطلاق.

الرقمان الأولان هما الرقمان اللذان يمكن للمشتري أن يتصرف بناءً عليهما. أما الثالث فهو الرقم الذي سيحتاجه المشتري في نهاية المطاف، وهو السبب وراء استحقاق السعر لنظرة ثانية بدلًا من نظرة أولى: فالسعر الترويجي المصحوب بتاريخ انتهاء معلن ليس نموذج تكلفة، بل تقدير تكلفة مطبوع عليه تاريخ انتهاء صلاحيته.

لماذا يهتم إطار عمل تقديم الخدمات بنموذج مغلق

اهتمام vLLM-Omni ليس عاطفة. فأُطر الخدمة موجودة لتشغيل أوزان يمكنك تحميلها، على عتاد تتحكم فيه، بتكلفة حدية هي فاتورة كهربائك لا عداد بالدقيقة يخص شخصًا آخر. والنموذج المغلق ليس عميلًا لذلك. لذا يُقرأ العرض في ذلك الرد على أفضل وجه بأنه طلب موجّه إلى إصدار مستقبلي: انشر checkpoint وستجد مسار استدلال ينتظره.

ما يجعل هذا الغياب لافتًا لا محتومًا هو سجل Fish Audio نفسه. فقد أتاحت الشركة أوزانًا مفتوحة من قبل — إذ يتوفر Fish Audio Drama 3، نموذجها للتخاطب النصي التعبيري، كنقطة تحقق قابلة للتنزيل، وقد جرى تقييمه في ساحات اختبار الخطاب ذات الأوزان المفتوحة. لذا يُقرأ التوزيع المغلق هنا كقرار منتج يخص أعمال الوكلاء المباشرين، لا كسياسة مؤسسية بشأن الانفتاح. ويزيد خيار التشغيل داخل المنشآت الغموض: فبإمكان المؤسسات تشغيل Live 3 داخل محيطها الخاص، وهذا ليس مماثلاً للقدرة على قراءته أو ضبطه الدقيق أو إعادة استضافته، ولم توضح Fish Audio أيّ من هذه الأمور يشمله اتفاق التشغيل داخل المنشآت.

يقع سطر «الإنجليزية فقط» بجوار ادعاء «أكثر من 30 لغة»

جملتان عن خصائص Fish Audio نفسها تسيران في اتجاهين متعاكسين. يعلن الإعلان، بالحرف، أن Live 3 يتحدث الإنجليزية اليوم. أما صفحة Agent Platform، على الموقع نفسه، فتعلن عن أكثر من 2,000,000 صوت عبر أكثر من 30 لغة، وعن متصل "يُجاب عنه في ثوانٍ، ليلاً أو نهاراً، بلغة المتصل". يمكن أن يكون كلا الأمرين صحيحاً في آن واحد — فمكتبة أصوات كبيرة متعددة اللغات وطبقة تعرف على الكلام يمكنهما تغطية ثلاثين لغة بينما النموذج ثنائي الاتجاه تحتهما يتحدث لغة واحدة — لكن واحدة فقط من هاتين الجملتين تصف ما تشتريه عند شراء Live 3. إذا لم يكن متصليك متحدثين بالإنجليزية، فالسؤال المثير ليس ما تستطيع المنصة نطقه، بل متى يلحق النموذج ثنائي الاتجاه بالركب.

ما يمكنك الاتصال به اليوم، وبأي وسيلة

يمر الوصول عبر واجهة برمجة التطبيقات الخاصة بـ Fish Audio ومنصة Agent Platform، مع تخصيص المسار المحلي داخل المنشأة لعقود المؤسسات. لا توجد خدمة استضافة من طرف ثالث للنموذج، وهذا نتيجة مباشرة لغياب نقطة الحفظ: فلا يمكنك استئجار Live 3 من مزوّد بنية تحتية لأنه لا يوجد ملف نموذج قابل للنشر. وأي شخص يصف النموذج بأنه "متاح عبر منصات الشركاء" فإنه يصف مكتبة الأصوات الخاصة بالمنصة، وليس النموذج ثنائي الاتجاه.

النصف القابل للنقل من مكدّس الوكيل هو نصف الاستدلال، وعلى Agent Platform يُعدّ ذلك النصف بندًا منفصلًا في الفاتورة. وهنا يبرّر الموجّه وجوده بدلًا من أن يكون مجرد وسيلة للوصول إلى نموذج الكلام: إذ يحمل OrcaRouter أكثر من 200 نموذج خلف مفتاح واحد بسعر قائمة المزوّد وبهامش ربح صفري، لذا يمكن تبديل نموذج النص الذي يقوم بالتفكير أو تثبيته أو التحويل عنه عند الفشل دون المساس بعقد الكلام، كما يُبقي التحويل التلقائي عند الفشل المكالمةَ حيّة عندما يقع خطأ في الخادم الخلفي للاستدلال أو تنتهي المهلة. Fish Audio Live 3 ليس ضمن تلك القائمة — فلا يوجد ما يمكن استضافته — ولا ينبغي قراءة أي جزء من هذا المقال على أنه ادعاء بخلاف ذلك.

ما الذي سيغيّر هذه القطعة؟

أربعة أحداث، بترتيب تقريبي وفق مقدار ما قد تغيّر به الصورة. نقطة تحقق، وهي ما تطلبه استجابة vLLM-Omni وما قد يضع Live 3 على الرف نفسه الذي يضم Drama 3. صفّ في لوحة مستقلة لتحويل الكلام إلى كلام، من شأنه أن يحوّل 186 مللي ثانية من مجرد ادعاء إلى نقطة بيانات ذات سياق. سلسلة طراز منشورة وسعر في وثائق واجهة برمجة التطبيقات الخاصة بـ Fish Audio، مما يجعل الأمر قابلاً للاقتباس في وثيقة شراء. و1 يناير 2027، حين إما يصمد السعر الترويجي البالغ 0.035 دولار أو لا يصمد.

حتى ذلك الحين، الخلاصة الصادقة هي أن Live 3 هو أكثر نماذج الصوت إثارةً للاهتمام التي صدرت هذا الأسبوع وأقلّها توثيقًا: حجة معمارية حقيقية حول أين ينبغي أن يكون تناوب الأدوار، ملفوفة في منتج تجاري لم ينشر سوى سعره ولا شيء آخر. هذا شيء معقول للإطلاق. لكنه ليس بعد شيئًا يمكنك تقييمه، والفرق بين هاتين الجملتين هو بالضبط ما ينتظره كلٌّ من إطار تقديم خدمة، ومقياس أداء مستقل، وفريق مشتريات.