){kind=link}
A OpenAI inaugurou novos modelos de voz para incorporar o ChatGPT Voice, modo de conversação por voz do ChatGPT. A nova estrutura promete entregar interações mais rápidas, naturais e úteis, permitindo pedir para que o chatbot permaneça em silêncio até ser chamado de novo.
Nesta quarta-feira (8), foram apresentados dois novos modelos: o GPT-Live-1 e o GPT-Live-1 mini. Ambos são liberados gradativamente para todos os usuários do ChatGPT ainda hoje, com planos de serem incluídos na API em breve.
smart_display
Nossos vídeos em destaque
O GPT-Live é a família de modelos de voz mais avançada da OpenAI até o momento, segundo a empresa. A ferramenta é capaz de delegar tarefas para outras IAs, como busca na web e raciocínio, enquanto mantém a conversa ativa, trazendo o resultado para o papo assim que estiver disponível.
Atualmente, o GPT-Live opera nos bastidores com apoio do GPT-5.5. A OpenAI promete atualizar a estrutura do modo de voz com modelos mais poderosos ao longo do tempo.
Novidades em destaque do GPT-Live
A OpenAI mostrou o GPT-Live em ação durante uma coletiva de imprensa na qual o TecMundo esteve presente. As interações com o modelo pareciam rápidas, consistentes e naturais na voz feminina e em inglês.
Três capacidades novas foram demonstradas:
- Tradução em tempo real: o assistente de IA traduziu a fala do apresentador em tempo real (do inglês para híndi), sem esperar uma pausa para apresentar uma resposta. A experiência final foi bem parecida com a tradução simultânea de transmissões ao vivo;
- ChatGPT agora pode ficar em silêncio: se solicitado, o ChatGPT pode permanecer em silêncio, mas atento à conversa em andamento, voltando a falar somente quando acionado pelos interlocutores. Isso permite colocar a IA como um participante que só interage quando necessário;
- Respostas com informações visuais: se o ChatGPT encontrar uma oportunidade, ele apresentará uma resposta visual à solicitação por voz. Um exemplo dado é a previsão do tempo, em que ele mostra um relatório mais robusto em tela enquanto fala.
)
O GPT-Live tenta resolver limitações de modelos de voz
No GPT-Live, a OpenAI aplicou alterações arquiteturais para resolver duas limitações importantes de conversação por voz com IA:
- Sistemas de cascata: esses sistemas de voz se apoiam em diferentes modelos para interagir com o usuário. No ChatGPT Voice original, por exemplo, eram três IAs – uma para transcrição da fala (speech-to-text), outra para produzir a resposta e outra para converter o texto em voz (text-to-speech). Essa abordagem tornou o modo de voz possível, mas é sujeita a lentidão e perda de contexto em cada etapa;
- Modelos de voz baseados em turnos: o ChatGPT Advanced Voice Mode unificou toda a responsabilidade de processamento em um único modelo, mas ainda era limitado em fluidez. As interações aconteciam em turnos – em momentos o humano, e em outros a IA – detectados por momentos de silêncio, ocasionalmente gerando interrupções na fala do usuário.
Para resolver esses problemas, a OpenAI aplicou duas mudanças arquiteturais importantes:
- O GPT-Live foi construído para proporcionar uma conversação contínua usando uma arquitetura full-duplex – isto é, ele já começa a gerar a resposta enquanto escuta o usuário. Isso permite ao modelo tomar várias decisões enquanto o usuário ainda elabora o pedido, tornando as respostas mais rápidas e naturais;
- Delegação de tarefas: o GPT-Live não é feito para lidar com todas as demandas do usuário. Quando necessário, ele invoca modelos alternativos da OpenAI para lidar com tarefas mais complexas, como busca na web, raciocínio ou funções agênticas.
Disponível para todos
O GPT-Live é liberado para todos os usuários do ChatGPT nesta quarta-feira (8). Os modelos variam conforme o plano do usuário:
- GPT-Live-1: modelo de voz padrão para assinantes dos planos ChatGPT Go, Plus e Pro;
- GPT-Live-1 mini: modelo padrão para usuários gratuitos.
Segundo a OpenAI, o GPT-Live foi otimizado para os idiomas “mais populares”, mas a empresa ressalta que o modelo pode não soar como nativo em determinadas línguas. Vale lembrar que, segundo a OpenAI, o português é um dos idiomas mais falados por usuários da IA.
Neste primeiro momento, o GPT-Live não suporta o modo de voz e vídeo ou compartilhamento de tela no ChatGPT, mas a empresa promete adicionar essas funções no futuro. Além disso, os modelos anteriores do ChatGPT Voice (Standard e Advanced Voice Mode) continuarão disponíveis e com suporte a essas funcionalidades.
Quer ficar por dentro das novidades do mundo da tecnologia? Acesse o TecMundo e acompanhe as últimas notícias sobre OpenAI, ChatGPT e inteligência artificial.