OpenAI lança GPT-Live: ouça e fale ao mesmo tempo para uma experiência de conversa realista.

OpenAI lançou na quarta-feira os modelos de voz full-duplex GPT-Live-1 e GPT-Live-1 mini, substituindo o Advanced Voice Mode antigo. Tarefas complexas serão delegadas ao GPT-5.5, lançado em abril deste ano.

(Contexto anterior: Atualização do Google Tradutor: Gemini 3.5 elimina pausas constrangedoras na interpretação de voz em tempo real)

(Contexto adicional: Crie um atendente AI em 2 minutos! xAI lança Voice Agent Builder sem código, superando OpenAI em benchmarks de voz)

Encerrando dois anos de diálogos "em turnos alternados como um carrossel", o OpenAI fez o ChatGPT aprender uma coisa na quarta-feira: ouvir e falar simultaneamente. O novo modelo de voz GPT-Live abandona a lógica de turnos baseada em silêncio da versão antiga e adota uma arquitetura full-duplex.

GPT-Live-1 e GPT-Live-1 mini já estão disponíveis globalmente no iOS, Android e ChatGPT.com. O GPT-Live-1 se torna o modelo de voz padrão para usuários pagantes dos planos Go, Plus e Pro, enquanto o GPT-Live-1 mini atende usuários gratuitos. A API estará disponível apenas em lista de espera para desenvolvedores. Esta é a terceira mudança de geração na tecnologia de voz do ChatGPT em dois anos, e a declaração mais clara da OpenAI: a voz não é mais um recurso adicional de um chatbot de texto, mas sim a principal interface para a conversa entre humanos e IA.

Por que o modelo de voz antigo sempre interrompia?

A OpenAI escreveu em seu blog de pesquisa que o GPT-Live processa a entrada continuamente enquanto gera saída, tomando múltiplas decisões de interação por segundo para determinar se deve falar, continuar ouvindo, pausar, interromper ou chamar ferramentas. Um pesquisador descreveu a experiência da versão antiga no X como "turnos alternados como um carrossel", onde apenas uma pessoa fala por vez, e a próxima só começa quando a anterior termina.

Este era exatamente o ponto fraco do Advanced Voice Mode antigo. A OpenAI admite que, como dependia do silêncio para determinar os turnos, pausas curtas ou ruídos de fundo podiam ser interpretados erroneamente como o fim da fala do usuário, fazendo o modelo interromper em momentos inapropriados.

Quem fala e quem pensa?

Outro design crucial do GPT-Live é separar a "camada de interação de voz" da "camada de raciocínio". Perguntas simples são respondidas diretamente pelo GPT-Live. Quando uma tarefa requer consulta à internet, raciocínio profundo ou múltiplas etapas, o trabalho é delegado a um modelo de ponta executado em segundo plano – no lançamento, o GPT-5.5, apresentado em abril deste ano. Durante o processamento, ele continua conversando com o usuário, sem os segundos de silêncio do pipeline antigo.

Este é um design modular. A vantagem é que, para atualizar a inteligência, não é necessário retreinar o modelo de voz em si. Para empresas e desenvolvedores que desejam conectar agentes de voz a bancos de dados, buscas e tarefas de múltiplas etapas, isso é uma verdadeira redução de barreira.

A nova versão também traz dois pequenos recursos: durante a conversa, surgem cartões visuais em tempo real com clima, cotações de ações, placares esportivos, mapas, etc. Além disso, o usuário pode alternar entre três níveis de raciocínio: Instant (Instantâneo), Medium (Médio) e High (Complexo), decidindo se prefere respostas de voz rápidas ou mais bem elaboradas. Em outras palavras, rapidez e precisão não são mais uma escolha binária – o usuário pode ajustar essa linha.

A OpenAI também aproveitou para reformular seu conjunto de vozes. Nove vozes são enfatizadas como "projetadas para conversação, não imitação de voz", e foram adicionadas proteções contra imitação de vozes humanas, respondendo de certa forma a um incidente de dois anos atrás. Em maio de 2024, quando o GPT-4o foi lançado, a voz "Sky" foi considerada semelhante à dubladora do filme "Ela", Scarlett Johansson. Ela confirmou que recusou o convite de Sam Altman para dublagem, e após o lançamento, descreveu-se como chocada e irritada. Mais tarde, a OpenAI removeu a voz e se desculpou.