Dê o próximo passo e inicie sua carreira
Dê o próximo passo e inicie sua carreira agora mesmo
5 minutos de leitura
Autor(a)
Fique por dentro de conteúdos, insights e oportunidades do universo tech. Receba novidades e lançamentos direto no seu e-mail.
A OpenAI anunciou, em 8 de julho, o GPT-Live, uma nova geração de modelos de voz que passa a alimentar o ChatGPT Voice. O lançamento chega globalmente e introduz uma experiência de conversa mais próxima da interação humana: a IA escuta e fala ao mesmo tempo.
O GPT-Live é construído sobre uma arquitetura full-duplex, o que significa que consegue escutar e falar ao mesmo tempo. Na prática, isso reduz interrupções fora de hora e deixa o diálogo mais fluido.
O modelo pode mostrar que está prestando atenção com frases como "mhmm" ou "yeah", além de engajar em trocas rápidas ou, simplesmente, ficar quieto quando o usuário precisa de um momento para pensar.
A novidade já está disponível para usuários do ChatGPT em todo o mundo e deve chegar em breve à API para desenvolvedores e empresas.
A OpenAI começou a distribuir duas versões do GPT-Live, GPT-Live-1 e GPT-Live-1 mini, para usuários do ChatGPT globalmente, com planos de levar ambas à API em breve.
A diferença central em relação às gerações anteriores está na arquitetura. Em vez de processar uma sequência de mensagens separadas, o GPT-Live processa continuamente a entrada enquanto gera a saída. Isso permite ao modelo tomar decisões de interação várias vezes por segundo:
Esse desenho resolve um problema recorrente dos modelos anteriores baseados em turnos, que precisavam esperar o usuário parar de falar antes de responder, resultando em trocas rígidas. Além disso, esses modelos podiam confundir uma pausa breve ou ruído de fundo com o fim da fala, interrompendo em momentos pouco naturais.
Com o full-duplex, o sistema consegue engajar em trocas mais naturais, manter uma noção melhor de tempo e até realizar tradução simultânea.
A OpenAI também remasterizou as vozes disponíveis no ChatGPT. Segundo a empresa, conversar com o assistente agora deve parecer muito mais próximo de uma conversa real:
"Talking with ChatGPT should now feel much more like a real conversation."
Na prática, a pessoa pode interromper com uma pergunta, pausar para organizar o pensamento ou pedir para o assistente falar mais devagar.
Além da fala simultânea, o GPT-Live traz um salto de inteligência nas respostas. Para perguntas que exigem busca na web, raciocínio mais profundo ou trabalho mais complexo, o modelo delega a tarefa ao modelo de fronteira mais recente da OpenAI.
Depois, traz o resultado de volta à conversa quando está pronto. Enquanto isso acontece em segundo plano, o GPT-Live consegue continuar conversando e manter o fluxo do diálogo.
No lançamento, o GPT-Live usa o GPT-5.5 em segundo plano, e a OpenAI afirma que atualizará continuamente o modelo usado conforme lançar novos modelos de fronteira.
Essa separação entre interação contínua e processamento profundo é o que a empresa chama de "delegação para trabalho mais profundo". Na prática, quando uma pergunta exige busca, raciocínio ou capacidades mais agênticas, o GPT-Live delega a tarefa a outro modelo, como o GPT-5.5.
Isso permite manter a conversa em andamento mesmo enquanto ele lida com múltiplas tarefas em segundo plano.
A OpenAI também destacou ganhos em avaliações internas. O GPT-Live-1 supera com folga o Advanced Voice Mode no GPQA, teste de raciocínio científico de nível especialista em biologia, química e física. Além disso, o novo modelo mostra avanços em busca agêntica na web e em tarefas de suporte por voz com múltiplas trocas.
No ChatGPT Voice, os usuários passam a contar com respostas visuais durante a conversa. O assistente agora pode mostrar cartões visuais ricos para temas como clima, ações, esportes e outros assuntos.
O lançamento reforça a aposta da OpenAI em interfaces por voz como caminho central de interação com IA. A empresa afirma que mais de 150 milhões de pessoas conversam com o ChatGPT toda semana usando recursos como Voice e Dictation. Esses recursos são usados para ajuda cotidiana, prática de idiomas ou conversas durante o trajeto diário.
Com o GPT-Live, a companhia mira uma visão mais ambiciosa: permitir uma interação verdadeiramente natural entre humanos e IA.
Na prática, isso significa colaborar com o sistema de forma tão fluida e responsiva quanto trabalhar com outra pessoa, enquanto raciocínio e execução de tarefas complexas acontecem de forma transparente em segundo plano.
O movimento também acontece em meio a uma disputa acirrada entre grandes players de IA por interfaces de voz em tempo real. Essas interfaces são cada vez mais vistas como porta de entrada para agentes conversacionais capazes de executar tarefas completas, não apenas responder perguntas.
Para quem desenvolve produtos com IA, a chegada do GPT-Live à API abre caminho para aplicações de voz mais responsivas, com tradução simultânea e atendimento automatizado. Na prática, isso também permite criar assistentes capazes de manter contexto e naturalidade durante trocas longas.
Modelos como o GPT-Live mostram como a interação por voz com inteligência artificial está evoluindo rápido, abrindo espaço para agentes conversacionais mais sofisticados em produtos reais.
Quem quer entender essa tecnologia na prática pode ir além da teoria. A Alura oferece uma formação completa em Inteligência Artificial, com cursos de IA generativa, APIs de LLMs e desenvolvimento de aplicações inteligentes. Na prática, é ideal para quem quer desenvolver aplicações com voz e integrar modelos da OpenAI em projetos próprios.
Avalie este artigo
