A OpenAI implementa o recurso de voz full-duplex do GPT-Live para usuários do ChatGPT

Na quarta-feira, a OpenAI começou a implementar um modo de voz reformulado para os usuários do ChatGPT, substituindo o Modo de Voz Avançado por dois modelos, o GPT-Live-1 e o GPT-Live-1 mini, que conseguem ouvir o usuário e responder simultaneamente.

A atualização será disponibilizada para contas de consumidores gratuitas e pagas e chega um dia antes do lançamento da família de modelos GPT-5.6 pela empresa.

A principal razão por trás da mudança para o GPT-Live é arquitetônica. Enquanto os modelos de voz anteriores esperavam que o falante humano terminasse a frase, o GPT-Live opera com base na full-duplex , que envolve o processamento da fala de entrada enquanto gera a fala de saída simultaneamente.

Segundo o anúncio da OpenAI, o modelo decide várias vezes por segundo se deve falar, continuar ouvindo, pausar, interromper ou pegar uma ferramenta. Na prática, isso significa que o usuário pode falar por cima, parar para pensar sem ser interrompido ou ouvir um "hum" para sinalizar que está acompanhando.

A OpenAI traz o GPT-Live para o ChatGPT Voice

As contas gratuitas do ChatGPT agora usam por padrão o GPT-Live-1 mini, enquanto os assinantes dos planos Go, Plus e Pro recebem o GPT-Live-1 maior.

A atualização será lançada para iOS, Android e a web, e como o ChatGPT já funciona com o CarPlay, o 9to5Mac observou que a atualização também chega aos carros. A OpenAI afirma que as nove vozes do ChatGPT foram remasterizadas para os novos modelos.

A OpenAI também afirmou que criou o GPT-Live para ser um assistente de conversação, e não um mecanismo de raciocínio. Para solicitações mais complexas, o GPT-Live não lida com tudo sozinho. Segundo a OpenAI, o modelo de voz é capaz de delegar tarefas como busca na web, raciocínio e até mesmo respostas com várias etapas ao GPT-5.5 sem interromper a conversa por voz.

Isso visa solucionar uma das principais deficiências do modo de voz anterior do ChatGPT, que por vezes parecia menos eficiente em comparação com a digitação. Os usuários também terão a opção de escolher entre um modo de resposta rápida e um modo de alta complexidade.

A OpenAI também está adicionando tradução de voz quase em tempo real e cartões visuais para previsão do tempo, cotações da bolsa e resultados esportivos, fornecendo aos usuários algumas respostas na tela em vez de o ChatGPT ler tudo em voz alta. A empresa afirmou que mais de 150 milhões de pessoas já usam recursos do ChatGPT, como Voz e Ditado, semanalmente.

O GPT-Live melhora a fluidez da voz, mas deixa lacunas

Segundo o TechCrunch, que cobriu uma conferência de imprensa da OpenAI, a tradução para hindi tinha umtronsotaque americano, além de uma linguagem muito formal e rebuscada.

Segundo a OpenAI, o modelo funciona melhor para "alguns dos idiomas mais comuns no ChatGPT", embora alertem que pode haver problemas com o sotaque ou a fluência em alguns idiomas. Além disso, a OpenAI afirmou que a combinação de voz com vídeos e compartilhamento de tela não é suportada no momento.

Embora a OpenAI tenha apresentado o GPT-Live como uma versão mais humana de toda a sua linha de modelos, ela insiste que não se trata de um assistente virtual. A empresa também destacou as medidas de segurança implementadas para garantir respostas adequadas à idade dos adolescentes. Além disso, acrescentou que existem recursos de apoio em situações de crise caso uma conversa com um usuário se direcione para automutilação.

Os trechos de áudio das conversas do Live Voice e do Advanced Voice são retidos por 30 dias e não são usados ​​para treinar modelos, a menos que os usuários optem por compartilhá-los.

O advogado Eleti, líder de produto do ChatGPT Voice, disse na apresentação que já manteve conversas de 30 a 40 minutos com o recurso durante caminhadas e argumentou que a voz pode se tornar a principal forma de as pessoas realizarem tarefas mais longas e complexas.

Os casos de uso incríveis que vemos as pessoas realizando com o Codex e o ChatGPT nos levam a crer que a voz pode ser a interface do futuro para todos os tipos de trabalho

– Eleti via TechCrunch

O lançamento do GPT-5.6 coloca o cronograma em foco

A atualização de voz é independente da atualização do modelo que a OpenAI programou para quinta-feira.

Segundo o Cryptopolitan, a aprovação para o lançamento público do GPT-5.6 foi concedida após o Departamento de Comércio dos EUA ter liberado o embargo imposto durante sua revisão de segurança nacional, e está disponível em três versões: Sol, Terra e Luna.

O GPT-Live deverá chegar à API da OpenAI após o lançamento para o consumidor, e os desenvolvedores poderão se cadastrar para obter acesso.