OpenAI ने नए संवादी मॉडल, GPT-Live-1 और GPT-Live-1 mini जारी किए हैं, जो दावा करते हैं कि वे पिछले संस्करणों की तुलना में अधिक स्वाभाविक लगते हैं और बारी-बारी से बातचीत को बेहतर ढंग से संभाल सकते हैं। ये फुल-डुप्लेक्स मॉडल एक साथ बोल और सुन सकते हैं, जिससे उपयोगकर्ता स्वाभाविक रूप से बीच में टोक सकते हैं और लाइव अनुवाद जैसी सुविधाओं को सक्षम कर सकते हैं। कंपनी ChatGPT में अपने मौजूदा एडवांस्ड वॉइस मोड को डिफ़ॉल्ट रूप से GPT-Live-1 mini से बदल रही है, जबकि भुगतान करने वाले उपयोगकर्ताओं को बड़े GPT-Live-1 मॉडल तक पहुंच मिलती है। पुराना सेटअप - एक स्पीच-टू-टेक्स्ट मॉडल, एक बड़ा भाषा मॉडल, और एक टेक्स्ट-टू-स्पीच मॉडल जो एक साथ जुड़े हुए थे - में स्पष्ट रूप से कुछ समस्याएं थीं, जैसे उपयोगकर्ताओं को बीच वाक्य में टोकना और सवालों के जवाब देने के लिए बुद्धिमत्ता की कमी। नए मॉडल बातचीत को जारी रखते हुए खोज, तर्क या एजेंटिक कार्यों के लिए GPT-5.5 को क्वेरी भेज सकते हैं।

OpenAI ने यह भी प्रदर्शित किया कि मॉडल लंबे समय तक चुप रह सकता है, संदर्भ को आत्मसात कर सकता है जब तक कि उसे बुलाया न जाए, और नए GPT मॉडल तक पहुंच के कारण दृश्य जानकारी प्रस्तुत कर सकता है। प्रतियोगी जैसे Monogram, जिसने DST और Lux Capital से $40 मिलियन जुटाए, भी दृश्य प्रतिक्रियाओं की ओर झुक रहे हैं। एक प्रेस ब्रीफिंग के दौरान, ChatGPT वॉइस उत्पाद प्रमुख Atty Eleti ने दावा किया कि उन्होंने सैर के दौरान 30 से 40 मिनट की वॉइस बातचीत की है। OpenAI वॉइस को जटिल कंप्यूटिंग के लिए प्राथमिक इंटरफ़ेस के रूप में देखता है, और अफवाहें हैं कि यह इस वर्ष AI-संचालित ईयरबड्स लॉन्च कर सकता है, हालांकि कंपनी ने हार्डवेयर पर चुप्पी साधी।

"समय के साथ, हमें लगता है कि यह वॉइस को कंप्यूटिंग के लिए एक प्राथमिक इंटरफ़ेस के रूप में उपयोग करने और तेजी से जटिल लंबे समय तक चलने वाले एजेंटिक कार्यों को प्रबंधित करने की क्षमता को भी अनलॉक करेगा," Eleti ने कहा। OpenAI वर्षों से वॉइस सुविधाओं को परिष्कृत कर रहा है, यह देखते हुए कि ChatGPT में 150 मिलियन से अधिक लोग वॉइस और डिक्टेशन का उपयोग करते हैं। प्रतिद्वंद्वी जैसे Apple और Amazon भी अपने सहायकों को सजा रहे हैं, और स्टार्टअप जैसे Sesame (Oculus के सह-संस्थापक Brendan Iribe और Ankit Kumar द्वारा सह-स्थापित) अधिक प्राकृतिक AI सहायक लॉन्च कर रहे हैं। OpenAI का आग्रह है कि वह AI साथी बनाने की कोशिश नहीं कर रहा है, वॉइस मोड को अधिक आकर्षक बनाने के बावजूद, और उम्र-उपयुक्त प्रतिक्रियाओं और आत्म-हानि विषयों के लिए संसाधनों के लिए सुरक्षा उपाय जोड़े हैं। हालांकि, नए मोड में अभी भी काम करने की आवश्यकता है: हिंदी में लाइव अनुवाद के एक डेमो के दौरान, सहायक भारी अमेरिकी उच्चारण और किताबी लहजे में बोला। OpenAI का कहना है कि मोड "अधिकांश बोली जाने वाली भाषाओं" के लिए अनुकूलित है, लेकिन यह निर्दिष्ट नहीं किया कि कौन सी।