A OpenAI anunciou nesta quarta-feira (08/07) o lançamento da família de modelos GPT-Live, uma nova geração tecnológica projetada para o ChatGPT Voice. O sistema permite interações por voz em tempo real com baixa latência e marca a transição definitiva para uma arquitetura capaz de processar áudio de forma contínua, sem as pausas artificiais de versões anteriores.
Arquitetura Full-Duplex e conversação natural
A principal mudança técnica introduzida pelo GPT-Live é a arquitetura chamada de full-duplex. Diferente dos modelos convencionais, que funcionam em turnos — onde o usuário fala, o sistema processa e depois responde —, o GPT-Live consegue ouvir e falar simultaneamente. Essa capacidade permite que a inteligência artificial identifique interrupções, entenda hesitações como o uso de expressões de preenchimento e ajuste o ritmo da fala instantaneamente.
Segundo a empresa, o sistema agora reconhece sinais sutis da fala humana, como pausas curtas para reflexão. Em vez de interromper o usuário precocemente, o modelo aguarda a conclusão do raciocínio ou emite sinais vocais curtos para demonstrar atenção. Durante os testes internos, a OpenAI registrou que os novos modelos foram amplamente preferidos em interações longas, variando de 5 a 10 minutos, devido à fluidez do diálogo.
Integração com GPT-5.5 para tarefas complexas
Embora o GPT-Live gerencie a interface de áudio, ele funciona em conjunto com outros modelos da companhia para garantir precisão nas respostas. Quando uma solicitação exige raciocínio lógico profundo, cálculos matemáticos ou buscas na internet, o GPT-Live delega a tarefa automaticamente para o GPT-5.5, modelo multimodal lançado pela OpenAI no início de 2026.
Esta divisão de tarefas permite que a inteligência artificial continue conversando com o usuário enquanto o processamento pesado ocorre em segundo plano. Os usuários podem definir o nível de inteligência desejado para as respostas através de três configurações:
- Instant: focado em respostas extremamente rápidas para interações simples;
- Medium: equilíbrio entre velocidade e profundidade de raciocínio;
- High: prioriza a precisão e o uso extensivo das capacidades do GPT-5.5 para problemas complexos.
Recursos visuais e tradução simultânea
Além da melhoria sonora, a atualização traz suporte para cartões visuais durante as conversas. O ChatGPT agora pode exibir gráficos de mercado financeiro, placares esportivos e mapas de previsão do tempo diretamente na tela enquanto narra as informações. O objetivo é criar uma experiência multimodal onde a voz e o suporte visual se complementam sem interrupções na interface.
Outro avanço relevante é a função de tradução em tempo real. O assistente é capaz de traduzir diálogos entre dois idiomas diferentes instantaneamente, funcionando como um intérprete digital. Em demonstrações oficiais, o sistema foi capaz de traduzir do inglês para idiomas como híndi e português sem a necessidade de o interlocutor pausar a frase para que a tradução fosse gerada.
Para o mercado brasileiro e global, a OpenAI confirmou que o GPT-Live-1 será o modelo padrão para assinantes dos planos Go, Plus e Pro. Já os usuários da versão gratuita terão acesso ao GPT-Live-1 mini, uma variante otimizada que mantém a velocidade de resposta, mas com capacidades de raciocínio ligeiramente reduzidas. A distribuição começou nesta quarta-feira e deve alcançar todos os dispositivos iOS, Android e a versão web nos próximos dias.
Atualmente, mais de 150 milhões de pessoas utilizam os recursos de voz do ChatGPT semanalmente. Com o GPT-Live, a OpenAI sinaliza que a voz deve se tornar uma interface primária para a computação, permitindo a gestão de fluxos de trabalho que antes dependiam exclusivamente de comandos de texto ou toques em telas.
