OpenAI implementa la funzionalità vocale full-duplex GPT-Live per gli utenti consumer di ChatGPT

Mercoledì OpenAI ha iniziato a implementare una modalità vocale riprogettata per gli utenti consumer di ChatGPT, sostituendo la modalità vocale avanzata con due modelli, GPT-Live-1 e GPT-Live-1 mini, in grado di ascoltare l'utente e rispondere contemporaneamente.

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

La ragione principale del passaggio a GPT Live è di natura architetturale. Mentre i precedenti modelli vocali attendevano che l'oratore umano terminasse la frase, GPT-Live opera sulla base full-duplex , che prevede l'elaborazione del parlato in ingresso e la generazione simultanea del parlato in uscita.

Secondo quanto annunciato da OpenAI, il modello decide più volte al secondo se parlare, continuare ad ascoltare, fare una pausa, intervenire o utilizzare uno strumento. In pratica, ciò significa che un utente può parlare sopra di esso, fermarsi a pensare senza essere interrotto o sentire il modello pronunciare un "mhmm" per segnalare che sta seguendo la conversazione.

OpenAI porta GPT-Live su ChatGPT Voice

Gli account ChatGPT gratuiti ora utilizzano di default la versione mini di GPT-Live-1, mentre gli abbonati ai piani Go, Plus e Pro ottengono la versione più completa di GPT-Live-1.

L'aggiornamento è disponibile per iOS, Android e web e, poiché ChatGPT funziona già tramite CarPlay, 9to5Mac ha notato che è disponibile anche per l'auto. OpenAI afferma che le nove voci di ChatGPT sono state rimasterizzate per i nuovi modelli.

OpenAI ha inoltre affermato di aver progettato GPT-Live per essere un conversatore, non un motore di ragionamento. Per le richieste più complesse, GPT-Live non gestisce tutto autonomamente. Secondo OpenAI, il modello vocale è in grado di delegare attività come la ricerca sul web, il ragionamento e persino risposte a più passaggi a GPT-5.5 senza interrompere la conversazione vocale.

Questa novità dovrebbe risolvere uno dei principali limiti della precedente modalità vocale di ChatGPT, che a volte risultava meno efficace rispetto alla digitazione. Gli utenti avranno inoltre la possibilità di scegliere tra una modalità di risposta rapida e una modalità più elaborata.

OpenAI sta inoltre aggiungendo la traduzione vocale quasi in tempo reale e schede visive per meteo, quotazioni di borsa e risultati sportivi, fornendo agli utenti alcune risposte sullo schermo invece di far leggere tutto ad alta voce da ChatGPT. L'azienda ha affermato che oltre 150 milioni di persone utilizzano già ogni settimana funzionalità di ChatGPT come la voce e la dettatura.

GPT-Live migliora il flusso vocale ma lascia delle lacune

Secondo TechCrunch, che ha seguito una conferenza stampa di OpenAI, la traduzione in hindi presentavatronaccento americano, oltre a un linguaggio molto rigido e accademico.

Secondo OpenAI, il modello funziona al meglio per "alcune delle lingue più comuni in ChatGPT", sebbene avvertano che potrebbero esserci problemi con l'accento o la fluidità in alcune lingue. Inoltre, OpenAI ha dichiarato che la combinazione di voce, video e condivisione dello schermo non è attualmente supportata.

Sebbene OpenAI abbia presentato GPT-Live come una versione più umana dell'intera sua gamma di modelli, insiste sul fatto che non si tratti di un assistente virtuale basato sull'IA. L'azienda ha inoltre evidenziato le misure di sicurezza implementate per garantire risposte adeguate all'età degli adolescenti. Ha aggiunto che sono disponibili risorse di supporto in caso di conversazioni con utenti che potrebbero vertere sull'autolesionismo.

Le registrazioni audio delle conversazioni Live e Advanced Voice vengono conservate per 30 giorni e non vengono utilizzate per addestrare i modelli, a meno che gli utenti non scelgano di condividerle.

L'avvocato Eleti, responsabile del prodotto ChatGPT Voice, ha dichiarato durante la conferenza stampa di aver avuto conversazioni di 30-40 minuti con la funzionalità durante le passeggiate, e ha sostenuto che la voce potrebbe diventare uno dei principali metodi utilizzati dalle persone per svolgere attività più lunghe e complesse.

Visti gli incredibili casi d'uso che vediamo realizzare con Codex e ChatGPT, pensiamo che la voce possa essere l'interfaccia del futuro per ogni tipo di lavoro

– Eleti tramite TechCrunch

Il lancio di GPT-5.6 mette in evidenza la tempistica

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

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

Dopo il lancio ufficiale per i consumatori, GPT-Live si integrerà con l'API di OpenAI, consentendo agli sviluppatori di registrarsi per ottenere l'accesso.