A OpenAI anunciou o lançamento de dois novos modelos de voz conversacionais - GPT-Live-1 e GPT-Live-1 mini - em uma coletiva de imprensa na terça-feira. Ambos os modelos operam em modo de duplo sentido, o que significa que podem ouvir e falar ao mesmo tempo, uma capacidade que a empresa afirma permitir que os usuários interrompam naturalmente e mantenham as conversas fluindo sem as pausas desconfortáveis que têm afligido os assistentes de voz anteriores.
O GPT-Live-1, o maior dos dois, estará disponível para assinantes do ChatGPT nos níveis pagos. A versão mini, uma variante simplificada, substitui o modo de voz avançado existente como o padrão para todos os usuários. A OpenAI explicou que os novos modelos encaminham cada consulta falada para o seu mais recente motor de texto, GPT-5.5, que lida com pesquisas, raciocínio e tarefas agênticas antes que a resposta seja falada de volta ao usuário.
Além de uma troca de turnos mais suave, a atualização introduz várias novas funcionalidades. O modo de voz pode agora permanecer silencioso por períodos prolongados, absorvendo o contexto até ser solicitado, o que a empresa demonstrou fazendo o assistente ouvir silenciosamente enquanto um usuário caminhava por até 40 minutos. A tradução ao vivo também é suportada; uma demonstração mostrou a tradução para o hindi, embora a saída tenha retido um sotaque americano pronunciado e um tom ligeiramente formal.
A OpenAI destacou a saída visual como outro diferenciador. Quando o novo modo de voz se conecta ao GPT-5.5, ele pode complementar as respostas faladas com gráficos, tabelas ou outros recursos visuais na tela, ecoando movimentos de startups como a Monogram, que levantou $40 milhões para mesclar elementos visuais em respostas de IA.
Medidas de segurança também receberam menção. Os modelos incluem filtros apropriados para a idade e podem fornecer recursos se uma conversa se desviar para autolesão ou outros tópicos sensíveis. A OpenAI enfatizou que a funcionalidade de voz não é destinada a ser um companheiro, mas sim uma interface sem mãos para tarefas complexas e de longa duração.
Concorrentes da indústria estão correndo para fechar a lacuna conversacional. A Apple e a Amazon recentemente atualizaram o Siri e o Alexa com um melhor tratamento de contexto, enquanto novos entrantes como a Sesame - fundada pelo co-fundador da Oculus, Brendan Iribe - estão lançando assistentes que mesclam diálogo natural com a execução de tarefas em segundo plano. O anúncio da OpenAI a posiciona firmemente nessa corrida competitiva em direção a uma IA de voz mais expressiva e semelhante à humana.
De acordo com a empresa, mais de 150 milhões de pessoas já interagem com o ChatGPT por meio de voz ou ditado. Os novos modelos, projetados para "a maioria das línguas faladas", visam ampliar esse alcance, embora a OpenAI não tenha especificado a lista completa de idiomas. Nenhum hardware, como fones de ouvido habilitados para IA, foi divulgado, apesar da especulação de que a empresa possa explorar tais produtos mais tarde este ano.
This article was written with the assistance of AI.
News Factory APP - agentic news to boost your SEO & AEO.