Fabrício Mainenti
RedatorGreg Brockman iniciou a transmissão ao vivo da OpenAI fazendo algo muito simples: conversando com o ChatGPT e interrompendo-o enquanto ele falava. O que importava não eram as perguntas em si, mas a reação do sistema. Em vez de parar abruptamente — como poderia acontecer em experiências anteriores — a voz na demonstração parecia se ajustar à interrupção de forma mais natural.
Foi uma demonstração breve, mas serviu para destacar a promessa do GPT-Live: a de que o modo de voz do ChatGPT não apenas falaria melhor, mas também saberia quando responder, quando aguardar e quando permanecer em silêncio.
GPT-Live é o nome que a OpenAI escolheu para essa nova fase do modo de voz do ChatGPT. Não se trata apenas de uma camada de áudio mais refinada, mas de uma família de modelos projetados para processar conversas de maneira diferente. Uma arquitetura "full-duplex" permite que a IA ouça enquanto gera uma resposta — algo que, segundo a empresa, reduz a rigidez da alternância de turnos tradicional.
Desde 2022, a OpenAI vem transformando a maneira como os usuários interagem com seus modelos, afastando-se do teclado em direção a formas de interação cada vez mais íntimas.
O ChatGPT marcou um ponto de virada no engajamento em massa com modelos baseados em texto; os primeiros recursos de voz adicionaram uma camada mais natural; e o GPT-4o levou essa ambição adiante, criando uma experiência muito mais expressiva — o que inevitavelmente gerou comparações com o filme Her.
O anúncio do GPT-Live segue essa evolução. Sua promessa não é apenas soar mais humano, mas resolver uma questão menos chamativa, porém mais importante: como manter uma conversa sem que ela pareça uma mera sucessão de comandos.
A voz do ChatGPT não opera mais apenas com base na alternância de turnos
Para entender essa mudança, é preciso observar como as gerações anteriores funcionavam. A OpenAI explica que o modo de voz inicial do ChatGPT era um sistema em "cascata": um modelo transcrevia a fala, outro gerava a resposta e um terceiro a convertia novamente em áudio.
O modo de voz avançado reduziu esse atrito ao processar e gerar áudio dentro de um único modelo, mas ainda operava com base na alternância de turnos. O GPT-Live altera essa lógica: ele não opera mais apenas com mensagens discretas, mas por meio de uma interação contínua, permitindo decidir — várias vezes por segundo — se deve falar, ouvir, pausar ou usar uma ferramenta.
Então, o que seremos capazes de fazer na prática? A empresa liderada por Sam Altman oferece vários exemplos. Poderemos interromper com uma pergunta, fazer uma pausa para pensar ou pedir ao sistema que fale mais devagar. A voz também pode responder com sinais breves, como "hum" ou "aham", para indicar que continua ouvindo, e a empresa afirma ter melhorado sua capacidade de focar na voz do usuário em meio a ruídos de fundo.
Somam-se a isso nove vozes do ChatGPT remasterizadas para o GPT-Live, respostas visuais em formato de cartão para consultas como previsão do tempo, esportes, dados do mercado de ações e outras informações rápidas, além de suporte para pesquisas, memória, imagens e upload de arquivos.
Outro elemento fundamental reside no que acontece quando a conversa exige mais do que apenas uma resposta rápida. A OpenAI explica que o GPT-Live pode delegar pesquisas na web, raciocínio ou tarefas mais complexas aos seus modelos de ponta, mantendo a conversa com o usuário ativa.
No lançamento, essa camada de suporte será o GPT-5.5, embora a empresa afirme que atualizará o modelo de base à medida que novas gerações forem lançadas. O modo de voz do ChatGPT também permitirá que os usuários escolham entre níveis de raciocínio: "Instantâneo" para respostas rápidas e "Médio" ou "Alto" quando for necessário mais tempo de processamento.
A empresa sustenta que esse salto vai além da simples percepção do usuário. Em avaliações internas, o GPT-Live-1 e o GPT-Live-1 mini (a versão menor do modelo que chegará às contas gratuitas) superaram o "Modo de Voz Avançado" em conversas comparativas com duração de cinco a dez minutos — obtendo pontuações melhores em preferência geral, fluência, gestão de interrupções, alternância de turnos e naturalidade.
A OpenAI também cita avanços em raciocínio científico, busca autônoma (agêntica) e tarefas simuladas de suporte telefônico. Dito isso, embora esses resultados sirvam como uma referência inicial, eles provêm da própria OpenAI, e será preciso ver como se traduzem no uso no mundo real.
O GPT-Live começou a ser disponibilizado na última quarta-feira (08/07) para usuários do ChatGPT no iOS, Android e ChatGPT.com. A OpenAI fala em um lançamento global e não menciona nenhuma exclusão específica para a União Europeia, embora valha a pena notar uma nuance: lançamentos anteriores de recursos de IA enfrentaram incertezas ou atrasos na região.
O GPT-Live-1 será o modelo padrão para usuários dos planos Go, Plus e Pro, enquanto as contas gratuitas — como mencionado — utilizarão o GPT-Live-1 mini. A API chegará posteriormente, sem data definida por enquanto.
No entanto, há também uma limitação significativa no lançamento: o GPT-Live não oferece suporte, no momento, de voz com vídeo ou compartilhamento de tela dentro do ChatGPT, embora a OpenAI afirme estar trabalhando para introduzir esses recursos futuramente.
Imagens | OpenAI
Ver 0 Comentários