A OpenAI lançou novos modelos conversacionais, GPT-Live-1 e GPT-Live-1 mini, afirmando que eles soam mais naturais e lidam melhor com a troca de turnos do que versões anteriores. Esses modelos full-duplex podem falar e ouvir simultaneamente, permitindo que os usuários interrompam naturalmente e possibilitando recursos como tradução ao vivo. A empresa está substituindo seu atual Modo de Voz Avançado no ChatGPT pelo GPT-Live-1 mini por padrão, enquanto usuários pagos têm acesso ao modelo maior GPT-Live-1. A configuração antiga – um modelo de fala para texto, um modelo de linguagem grande e um modelo de texto para fala amarrados – aparentemente tinha alguns problemas, como interromper os usuários no meio da frase e não ter inteligência para responder perguntas. Os novos modelos podem enviar consultas para o GPT-5.5 para busca, raciocínio ou tarefas de agente, mantendo o fluxo da conversa.

A OpenAI também demonstrou que o modelo pode ficar em silêncio por longos períodos, absorvendo contexto até ser chamado, e pode apresentar informações visuais graças ao acesso a modelos GPT mais novos. Concorrentes como a Monogram, que levantou US$ 40 milhões da DST e da Lux Capital, também estão apostando em respostas visuais. Durante uma coletiva de imprensa, o líder de produto de Voz do ChatGPT, Atty Eleti, afirmou que já teve conversas de voz de 30 a 40 minutos durante caminhadas. A OpenAI imagina a voz como a interface principal para computação complexa, e rumores sugerem que pode lançar fones de ouvido com IA este ano, embora a empresa tenha se mantido em silêncio sobre hardware.

“Com o tempo, achamos que isso também vai desbloquear a capacidade de usar a voz como uma espécie de interface primária para a computação, e para gerenciar trabalhos de agente cada vez mais complexos e de longa duração”, disse Eleti. A OpenAI vem refinando recursos de voz há anos, observando que mais de 150 milhões de pessoas usam Voz e Ditado no ChatGPT. Rivais como Apple e Amazon também estão aprimorando seus assistentes, e startups como a Sesame (cofundada pelo cofundador do Oculus, Brendan Iribe, e Ankit Kumar) estão lançando assistentes de IA mais naturais. A OpenAI insiste que não está tentando criar um companheiro de IA, apesar de tornar o modo de voz mais envolvente, e adicionou salvaguardas para respostas adequadas à idade e recursos para tópicos de automutilação. No entanto, o novo modo ainda precisa de melhorias: durante uma demonstração de tradução ao vivo para hindi, o assistente falou com um forte sotaque americano e um tom livresco. A OpenAI diz que o modo é otimizado para “a maioria dos idiomas falados”, mas não especificou quais.