A OpenAI começou com uma nova geração de modelos de voz para o ChatGPT, chamados de GPT-Live-1 e de uma versão reduzida, o GPT-Live-1 mini. A novidade chega para todos os usuários da plataforma, gratuitos e assinantes, tanto nos aplicativos móveis quanto na versão web, e representa a tentativa da empresa de equiparar a experiência por voz ao nível de sofisticação já alcançado por seus modelos de texto.
Segundo Atty Eleti, líder de produto do ChatGPT Voice, a principal mudança está na naturalidade da conversa.
Diferentemente dos modos de voz anteriores, que só geravam uma resposta depois que o usuário terminava de falar, o novo sistema permite que a IA processe informações e produza fala simultaneamente. Na prática, isso significa que o assistente pode “escutar” e “responder” ao mesmo tempo, reduzindo pausas e tornando o diálogo mais fluido.
Esse recurso abre espaço, por exemplo, para tradução simultânea: o usuário pode falar em português ou inglês enquanto o ChatGPT traduz a fala para outro idioma quase em tempo real, com um pequeno atraso.
A nova arquitetura também é capaz de delegar tarefas mais complexas a modelos de ponta da própria OpenAI. De acordo com Kundan Kumar, líder de pesquisa do projeto, quando o GPT-Live precisa de um raciocínio mais elaborado, ele pode repassar essa etapa ao GPT-5.5, que processa a tarefa em paralelo enquanto o assistente de voz continua a conversa, para, em seguida, incorporar a resposta de forma natural à fala. “É exatamente assim que os humanos interagem uns com os outros”, resumiu Eleti. “Mantemos a conversa enquanto pensamos em segundo plano.”
Entre as novidades de comportamento, a voz da IA passou a incorporar pausas e “palavras de preenchimento”, como hesitações e expressões típicas da fala humana espontânea, além de permitir interrupções com menor atraso. Também é possível configurar o assistente para permanecer em modo de escuta silenciosa, respondendo apenas quando acionado por uma palavra de ativação. Uma diferença em relação a assistentes como Siri e Alexa é que o ChatGPT, nesse modo, permanece ouvindo ativamente até ser desligado manualmente pelo usuário.
Sobre privacidade, a OpenAI afirma que o treinamento de seus modelos com base nos áudios do modo de voz permanece desativado por padrão. Os clipes de voz ficam armazenados por até 30 dias, período usado para manter o contexto entre conversas, e podem ser excluídos pelo usuário a qualquer momento.
O lançamento do GPT-Live-1 é independente da chegada da série GPT-5.6, prevista para a próxima quinta-feira, e a OpenAI alerta que o acesso aos novos modelos de voz pode levar um ou dois dias para ser liberado a todos os usuários.
