A OpenAI apresentou o GPT-Live, que descreve como uma nova geração de modelos de voz e que se torna a versão totalmente nova do ChatGPT Voice. Ele esta sendo disponibilizado para usuários do ChatGPT no mundo todo a partir de hoje, em duas variantes, GPT-Live-1 e um GPT-Live-1 mini mais leve. A empresa o adiantou como o novo ChatGPT Voice antes de uma transmissão ao vivo, e a proposta e menos sobre o assistente saber mais, e mais sobre ele finalmente falar de um jeito que parece menos como dar comandos e mais como ter uma conversa.
A mudança que importa é o áudio full-duplex. A maioria dos assistentes de voz, incluindo o próprio modo de voz anterior da OpenAI, funciona em turnos, você fala, o sistema espera você terminar, e então responde, o que cria aquela sensação meio artificial de walkie talkie que sempre deixou a IA de voz um pouco estranha. O GPT-Live ouve e fala ao mesmo tempo. Na prática, isso significa que ele pode reconhecer você com um rápido mhmm ou yeah enquanto você ainda está no meio da frase, lidar com trocas rápidas sem longas pausas, entrar na conversa ou ser interrompido, ou simplesmente ficar em silêncio quando essa é a atitude certa. É uma diferença que parece pequena mas muda a textura de toda a interação.
O jeito como a OpenAI o construiu também merece atenção, porque o GPT-Live é projetado como uma camada conversacional rápida em vez de um único modelo que faz tudo. Quando um pedido precisa de algo mais pesado, busca na web, raciocínio mais profundo, ou trabalho mais complexo, o GPT-Live delega essa tarefa para modelos de fronteira rodando em segundo plano, e no lançamento ele usa o GPT-5.5 para esses repasses. O modelo de voz continua responsivo e com som humano enquanto o raciocínio mais difícil acontece em outro lugar e volta para a conversa. O ChatGPT Voice agora também pode mostrar cartões visuais para coisas como clima, ações, e esportes enquanto você fala, então a experiência falada não é mais puramente áudio.
Ajuda ser preciso sobre o que esse lançamento e é o que não e. O GPT-Live e uma experiência de voz reconstruída, não um novo modelo de fronteira, e a inteligência bruta nas perguntas difíceis vem do modelo para o qual ele delega, e não da camada de voz em si. Ele também chega com limites reais, no lançamento o GPT-Live não suporta voz combinada com vídeo ou compartilhamento de tela dentro do ChatGPT, dois recursos que a OpenAI diz que ainda está trabalhando para adicionar. Então o avanço aqui está na interação e na arquitetura, em como o assistente fala e em como o trabalho é dividido, e não em um salto em quão inteligente o sistema subjacente é.
O motivo pelo qual isso importa é que a voz se tornou silenciosamente uma das frentes mais disputadas da IA de consumo, com o Google, a voz do Grok da xAI, e uma onda de startups todos empurrando para fazer a interação falada parecer natural. Entregar um modelo de voz full-duplex para todos os usuários do ChatGPT de uma vez é um movimento significativo nessa corrida, e a escolha de design de uma interface rápida e sempre atenta que delega o trabalho pesado para um modelo de fronteira e o tipo de padrão que outros produtos provavelmente vão copiar. Nada disso torna o assistente mais inteligente por si só, mas eleva de forma significativa o padrão de como é falar com um, o que para muitas pessoas é a parte que decide se elas vão usar voz afinal.