OpenAI lança voz GPT-Live full-duplex para usuários consumidores do ChatGPT

A OpenAI começou a lançar um modo de voz reconstruído para usuários consumidores do ChatGPT na quarta-feira, substituindo o Advanced Voice Mode por dois modelos, GPT-Live-1 e GPT-Live-1 mini, que podem ouvir um usuário e responder ao mesmo tempo.

A atualização estará disponível para contas de consumidores gratuitas e pagas e vem 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 aguardavam que o falante humano terminasse sua frase, o GPT-Live opera com base na arquitetura full-duplex da OpenAI, que envolve processar o discurso de entrada enquanto gera o discurso de saída ao mesmo tempo.

De acordo com o anúncio da OpenAI, o modelo decide várias vezes por segundo se deve falar, continuar ouvindo, fazer uma pausa, interromper ou buscar uma ferramenta. Na prática, isso significa que um usuário pode falar por cima dele, parar para pensar sem ser interrompido, ou ouvi-lo emitir um “mhmm” para sinalizar que está acompanhando.

OpenAI traz GPT-Live para a Voz do ChatGPT

Contas gratuitas do ChatGPT agora vêm padrão com GPT-Live-1 mini, enquanto assinantes dos planos Go, Plus e Pro recebem o GPT-Live-1 maior.

A implementação cobre iOS, Android e a web, e como o ChatGPT já funciona através do CarPlay, o 9to5Mac observou que a atualização também chega ao carro. A OpenAI diz que as nove vozes no ChatGPT foram remasterizadas para os novos modelos.

A empresa também disse que construiu o GPT-Live para ser um conversador, não um motor de raciocínio. Para solicitações mais complexas, o GPT-Live não lida com tudo sozinho. De acordo com a OpenAI, o modelo de voz é capaz de delegar tarefas como pesquisa na web, raciocínio e até respostas em múltiplos passos para o GPT-5.5 sem pausar a conversa por voz.

Isso deveria resolver uma das principais deficiências do modo de voz anterior do ChatGPT, onde às vezes parecia ser menos poderoso em comparação com a digitação. Os usuários também terão a opção de selecionar entre um modo de resposta rápida e um modo de alto esforço.

A OpenAI também está adicionando tradução de fala quase em tempo real e cartões visuais para clima, preços de ações e placares de esportes, dando aos usuários algumas respostas na tela em vez de fazer o ChatGPT ler tudo em voz alta. A empresa disse que mais de 150 milhões de pessoas já usam recursos do ChatGPT, como Voz e Ditado, semanalmente.

GPT-Live melhora o fluxo de voz, mas deixa lacunas

De acordo com a TechCrunch, que cobriu uma conferência de imprensa da OpenAI, a tradução para hindi tinha um forte sotaque americano, juntamente com uma linguagem muito rígida e acadêmica.

Por parte da OpenAI, o modelo funciona melhor para “algumas das línguas mais comuns no ChatGPT”, embora alertem que pode haver um problema com o sotaque ou a fluência em algumas línguas. Além disso, a OpenAI afirmou que a voz combinada 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, insiste que não é um companheiro de IA. A empresa também destacou as salvaguardas que implementou para garantir respostas adequadas à idade para adolescentes. Ela também adicionou que recursos de crise estão disponíveis caso uma conversa do usuário seja direcionada à automutilação.

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

O advogado Eleti, líder de produto do ChatGPT Voice, disse na coletiva que teve conversas de 30 a 40 minutos com o recurso durante caminhadas, e argumentou que a voz pode se tornar uma maneira principal de as pessoas executarem tarefas mais longas e complexas.

Os tipos de casos de uso incríveis que vemos as pessoas usando Codex e ChatGPT para realizar, achamos que a voz pode ser a interface futura 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 separada do lançamento do modelo que a OpenAI agendou para quinta-feira.

De acordo com o Cryptopolitan, a aprovação do GPT-5.6 para lançamento público 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 está programado para chegar à API da OpenAI após o lançamento para consumidores, com desenvolvedores podendo se registrar para obter acesso.