OpenAI lancia la voce full-duplex GPT-Live per gli utenti consumer di ChatGPT

OpenAI ha iniziato a distribuire mercoledì una modalità vocale ricostruita agli utenti consumer di ChatGPT, sostituendo la modalità Advanced Voice con due modelli, GPT-Live-1 e GPT-Live-1 mini, in grado di ascoltare un utente e rispondere allo stesso tempo.

L'aggiornamento sarà reso disponibile per gli account consumer gratuiti e a pagamento e arriva un giorno prima del lancio della famiglia di modelli GPT-5.6 da parte dell'azienda.

La ragione principale dietro il passaggio a GPT Live è architetturale. Mentre i precedenti modelli vocali attendevano che il parlante umano finisse la frase, GPT-Live opera in base all'architettura full-duplex di OpenAI, che prevede l'elaborazione del parlato in ingresso mentre si genera il parlato in uscita allo stesso tempo.

Secondo l'annuncio di OpenAI, il modello decide molte volte al secondo se parlare, continuare ad ascoltare, fare una pausa, interrompere o ricorrere a uno strumento. In pratica, ciò significa che un utente può parlare sopra di esso, fermarsi a pensare senza essere interrotto o sentirlo inserire un “mhmm” per segnalare che sta seguendo il discorso.

OpenAI porta GPT-Live alla voce di ChatGPT

Il rollout copre iOS, Android e il web, e poiché ChatGPT funziona già tramite CarPlay, 9to5Mac ha notato che l'aggiornamento arriva anche in auto. OpenAI afferma che le nove voci in ChatGPT sono state rimasterizzate per i nuovi modelli.

I account ChatGPT gratuiti ora sono predefiniti su GPT-Live-1 mini, mentre gli abbonati ai piani Go, Plus e Pro ottengono il modello più grande GPT-Live-1.

Ha anche dichiarato di aver costruito GPT-Live come un conversazionalista, non come un motore di ragionamento. Per richieste più complesse, GPT-Live non gestisce tutto da solo. Secondo OpenAI, il modello vocale è in grado di delegare attività come la ricerca web, il ragionamento e persino risposte multistep a GPT-5.5 senza interrompere la conversazione vocale.

Questo dovrebbe affrontare uno dei principali punti deboli della precedente modalità vocale di ChatGPT, dove a volte sembrava meno potente rispetto alla digitazione. Gli utenti avranno anche la possibilità di selezionare tra una modalità di risposta rapida e una modalità ad alto impegno.

OpenAI sta anche aggiungendo la traduzione vocale quasi in tempo reale e schede visive per meteo, prezzi delle azioni e punteggi sportivi, fornendo agli utenti alcune risposte sullo schermo invece di far leggere tutto ad alta voce da ChatGPT. L'azienda ha dichiarato che oltre 150 milioni di persone utilizzano già le funzionalità di ChatGPT come Voce e Dettatura ogni settimana.

GPT-Live migliora il flusso vocale ma lascia lacune

Secondo TechCrunch, che ha coperto una conferenza stampa di OpenAI, la traduzione in hindi aveva un forte accento americano insieme a un linguaggio molto rigido e da libro di testo.

Secondo OpenAI, il modello funziona meglio per “alcune delle lingue più comuni in ChatGPT”, anche se avvertono che potrebbero esserci problemi con l'accento o la fluidità in alcune lingue. Inoltre, OpenAI ha dichiarato che la voce combinata con video e condivisione dello schermo non è supportata al momento.

Mentre OpenAI ha presentato GPT-Live come una versione più umana dell'intera gamma di modelli, insiste sul fatto che non è un compagno AI. L'azienda ha anche evidenziato le salvaguardie che ha messo in atto per garantire risposte appropriate all'età per gli adolescenti. Ha inoltre aggiunto che sono disponibili risorse di crisi nel caso in cui una conversazione con l'utente sia orientata verso l'autolesionismo.

I clip audio delle conversazioni Live e Advanced Voice sono conservati per 30 giorni e non vengono utilizzati per addestrare i modelli a meno che gli utenti non scelgano di condividerli.

L'avv. Eleti, responsabile del prodotto per ChatGPT Voice, ha dichiarato alla briefing di aver tenuto conversazioni di 30-40 minuti con la funzione durante le passeggiate, sostenendo che la voce potrebbe diventare un modo principale per le persone di eseguire compiti più lunghi e complessi.

Il tipo di casi d'uso straordinari che vediamo le persone utilizzare con Codex e ChatGPT per realizzare, pensiamo che la voce possa essere l'interfaccia futura per tutti i tipi di lavoro

– Eleti tramite TechCrunch

Il lancio di GPT-5.6 mette in risalto la tempistica

L'aggiornamento vocale è separato dal rilascio del modello che OpenAI ha programmato per giovedì.

Secondo Cryptopolitan, l'approvazione di GPT-5.6 per il rilascio pubblico è stata concessa dopo che il Dipartimento del Commercio degli Stati Uniti ha revocato l'embargo imposto durante la sua revisione di sicurezza nazionale, ed è disponibile in tre versioni: Sol, Terra e Luna.

GPT-Live dovrebbe raggiungere l'API di OpenAI dopo il rollout consumer, con gli sviluppatori in grado di registrarsi per ottenere l'accesso.