OpenAI ensinou ChatGPT a ouvir, pensar e falar ao mesmo tempo – modelos GPT-Live apresentados

\nA OpenAI introduziu grandes modelos de inteligência artificial GPT-Live-1 e GPT-Live-1 mini, projetados para interação de voz natural. Os modelos são capazes de ouvir o usuário e gerar uma resposta simultaneamente, além de realizar tradução simultânea em tempo real.\n\n

\n\nFonte da imagem: OpenAI\n\nO GPT-Live-1 mini será usado como modelo de voz padrão no ChatGPT, enquanto o GPT-Live-1 mais poderoso estará disponível para usuários pagos. Ao contrário da arquitetura anterior, que combinava modelos separados para reconhecimento de fala, geração de texto e síntese de voz, os novos modelos de IA funcionam como um único sistema full-duplex que pode permanecer silencioso por longos períodos de tempo, analisando o contexto do diálogo até que o usuário fale diretamente.\n\nQuando necessário, o GPT-Live-1 pode recorrer aos modelos de texto OpenAI mais recentes, incluindo o GPT-5.5, para pesquisar informações, raciocinar e executar tarefas do agente sem interromper o diálogo de voz. Como observou Atty Eleti, gerente de produto do ChatGPT Voice, no futuro, o controle de voz pode se tornar a principal interface para a execução de consultas complexas. No entanto, o sistema não está posicionado como um companheiro de IA.\n\nAo mesmo tempo, os representantes da empresa admitiram que a tecnologia ainda precisa de melhorias, embora esteja otimizada para a maioria dos idiomas comuns. Por exemplo, uma demonstração do recurso de tradução em hindi em tempo real revelou certas deficiências, como o sotaque americano e a entonação afetada e livresca do discurso sintetizado.\n\nO sistema também possui mecanismos de segurança integrados para garantir respostas adequadas à idade e assistência em situações críticas. Além disso, ela conseguiu exibir algumas informações em formato visual.\n