OpenAI udostępniło nowe modele konwersacyjne, GPT-Live-1 i GPT-Live-1 mini, twierdząc, że brzmią bardziej naturalnie i lepiej radzą sobie z przejmowaniem głosu niż poprzednie wersje. Te modele full-duplex potrafią mówić i słuchać jednocześnie, umożliwiając użytkownikom naturalne przerywanie oraz funkcje takie jak tłumaczenie na żywo. Firma zastępuje dotychczasowy Advanced Voice Mode w ChatGPT domyślnie modelem GPT-Live-1 mini, podczas gdy płatni użytkownicy zyskują dostęp do większego modelu GPT-Live-1. Stary zestaw – model zamiany mowy na tekst, duży model językowy i model zamiany tekstu na mowę połączone w szereg – najwyraźniej miał pewne problemy, jak przerywanie użytkownikom w pół zdania i brak inteligencji, by odpowiadać na pytania. Nowe modele mogą wysyłać zapytania do GPT-5.5 w celu wyszukiwania, rozumowania lub zadań agencyjnych, utrzymując płynność rozmowy.

OpenAI zademonstrowało również, że model potrafi milczeć przez dłuższy czas, przyswajając kontekst, aż zostanie przywołany, i może prezentować informacje wizualne dzięki dostępowi do nowszych modeli GPT. Konkurenci, tacy jak Monogram, który zebrał 40 milionów dolarów od DST i Lux Capital, również stawiają na odpowiedzi wizualne. Podczas briefingu prasowego szef produktu Voice w ChatGPT, Atty Eleti, twierdził, że odbył 30-40 minutowe rozmowy głosowe podczas spacerów. OpenAI wyobraża sobie głos jako podstawowy interfejs do złożonych obliczeń, a plotki sugerują, że firma może w tym roku wypuścić słuchawki douszne z AI, choć milczy na temat sprzętu.

„Z czasem, jak sądzimy, odblokuje to możliwość używania głosu jako podstawowego interfejsu do obliczeń i zarządzania coraz bardziej złożonymi, długotrwałymi zadaniami agencyjnymi” – powiedział Eleti. OpenAI od lat udoskonala funkcje głosowe, odnotowując, że ponad 150 milionów osób korzysta z Voice i Dictation w ChatGPT. Rywale, tacy jak Apple i Amazon, również odświeżają swoje asystenty, a startupy takie jak Sesame (współzałożone przez współzałożyciela Oculusa, Brendana Iribe, i Ankita Kumara) wprowadzają bardziej naturalnych asystentów AI. OpenAI zapewnia, że nie próbuje stworzyć towarzysza AI, mimo że czyni tryb głosowy bardziej angażującym, i dodało zabezpieczenia dotyczące odpowiednich dla wieku odpowiedzi oraz zasobów na tematy samookaleczenia. Jednak nowy tryb wciąż wymaga poprawek: podczas demonstracji tłumaczenia na żywo na hindi asystent mówił z silnym amerykańskim akcentem i książkowym tonem. OpenAI twierdzi, że tryb jest zoptymalizowany dla „większości języków mówionych”, ale nie sprecyzował, które to języki.