A OpenAI lançou o GPT-Live, uma nova família de modelos de voz que consegue ouvir e falar ao mesmo tempo, em tempo real.
Empresa disse que vai liberar duas versões do GPT-Live para usuários no mundo todo. Os modelos se chamam GPT-Live-1 e GPT-Live-1 mini e começaram a ser distribuídos nesta quarta-feira, de acordo com a OpenAI.
Novos modelos são do tipo full-duplex, o que permite interrupções naturais durante a conversa. A OpenAI afirma que eles soam mais naturais e lidam melhor com a alternância de fala, além de habilitar recursos como tradução ao vivo.
O ChatGPT vai trocar o Advanced Voice Mode pelo GPT-Live-1 mini como padrão. Usuários de planos pagos poderão acessar o modelo maior, o GPT-Live-1, segundo a empresa.
OpenAI diz que a nova arquitetura corrige limitações do modo anterior de voz. O sistema antigo combinava um modelo de reconhecimento de fala, um modelo de linguagem para gerar respostas e um modelo de síntese de voz para entregar o áudio final.
Modelos de voz passam a acionar os modelos de texto mais recentes da OpenAI para tarefas específicas. A empresa afirmou que o GPT-Live pode enviar a consulta para modelos como o GPT-5.5 quando precisar de busca, raciocínio ou capacidades de agente, sem interromper a conversa.
O QUE OPENAI QUER COM A NOVA VOZ
OpenAI aposta que voz pode virar a principal interface para trabalho mais complexo no computador. Em briefing, a empresa disse que o objetivo é permitir conversas mais longas e uso mais “mãos livres” do assistente.
Líder de produto do ChatGPT Voice relatou que já usou o recurso por longos períodos. Atty Eleti afirmou que já fez conversas de 30 a 40 minutos com a função durante caminhadas.
Eleti disse que a empresa vê a voz como caminho para tarefas de agente mais duradouras. “Com o tempo, achamos que isso também vai liberar a capacidade de usar a voz como uma espécie de interface principal para a computação e para gerenciar trabalhos de agente cada vez mais complexos e de longa duração. Os casos de uso incríveis que vemos as pessoas usando o Codex e o ChatGPT para realizar, achamos que a voz pode ser a interface do futuro para todo tipo de trabalho”, disse Eleti, em briefing de imprensa.
LIMITES, CONCORRÊNCIA E SALVAGUARDAS
OpenAI diz que mais de 150 milhões de pessoas usam recursos como Voice e Dictation para falar com o ChatGPT. Rivais como Apple e Amazon também têm atualizado seus assistentes para melhorar conversas e o entendimento de contexto, enquanto startups tentam deixar a interação mais expressiva.
Empresa afirma que não quer transformar o recurso em um “companheiro” de IA. A OpenAI diz que os modelos têm salvaguardas para respostas adequadas por idade para adolescentes e para oferecer recursos se a conversa entrar em temas como automutilação.
Demonstração mostrou que a tradução ao vivo ainda tem limitações em alguns idiomas. Em um teste em hindi, o assistente apresentou forte sotaque americano e um tom considerado pouco natural; a OpenAI disse que o modo é otimizado para “a maioria das línguas faladas”, sem detalhar quais.