OpenAI a publié de nouveaux modèles conversationnels, GPT-Live-1 et GPT-Live-1 mini, affirmant qu'ils sonnent plus naturellement et gèrent mieux la prise de parole que les versions précédentes. Ces modèles full-duplex peuvent parler et écouter simultanément, permettant aux utilisateurs d'interrompre naturellement et d'activer des fonctionnalités comme la traduction en direct. L'entreprise remplace son mode vocal avancé actuel dans ChatGPT par GPT-Live-1 mini par défaut, tandis que les utilisateurs payants ont accès au modèle plus grand GPT-Live-1. L'ancienne configuration - un modèle de reconnaissance vocale, un grand modèle de langage et un modèle de synthèse vocale mis bout à bout - avait apparemment quelques problèmes, comme interrompre les utilisateurs en milieu de phrase et manquer d'intelligence pour répondre aux questions. Les nouveaux modèles peuvent envoyer des requêtes à GPT-5.5 pour la recherche, le raisonnement ou les tâches agentiques tout en maintenant le flux de la conversation.

OpenAI a également démontré que le modèle peut rester silencieux pendant de longues périodes, absorbant le contexte jusqu'à ce qu'on l'appelle, et peut présenter des informations visuelles grâce à l'accès aux modèles GPT plus récents. Des concurrents comme Monogram, qui a levé 40 millions de dollars auprès de DST et Lux Capital, misent également sur les réponses visuelles. Lors d'un briefing de presse, le responsable produit de ChatGPT Voice, Atty Eleti, a affirmé avoir eu des conversations vocales de 30 à 40 minutes lors de ses promenades. OpenAI envisage la voix comme l'interface principale pour l'informatique complexe, et des rumeurs suggèrent qu'elle pourrait lancer des écouteurs alimentés par IA cette année, bien que l'entreprise reste muette sur le matériel.

« Avec le temps, nous pensons que cela permettra également d'utiliser la voix comme une interface principale pour l'informatique, et de gérer des travaux agentiques de plus en plus complexes et de longue durée », a déclaré Eleti. OpenAI peaufine les fonctionnalités vocales depuis des années, notant que plus de 150 millions de personnes utilisent Voice and Dictation dans ChatGPT. Des rivaux comme Apple et Amazon améliorent également leurs assistants, et des startups comme Sesame (co-fondée par le co-fondateur d'Oculus Brendan Iribe et Ankit Kumar) lancent des assistants IA plus naturels. OpenAI insiste sur le fait qu'elle n'essaie pas de créer un compagnon IA, malgré le fait de rendre le mode vocal plus engageant, et a ajouté des garde-fous pour des réponses adaptées à l'âge et des ressources pour les sujets d'automutilation. Cependant, le nouveau mode a encore besoin de travail : lors d'une démonstration de traduction en direct en hindi, l'assistant parlait avec un fort accent américain et un ton livresque. OpenAI indique que le mode est optimisé pour « la plupart des langues parlées » mais n'a pas précisé lesquelles.