A OpenAI oficializou o lançamento de uma nova estrutura para o ChatGPT Voice, desenhada para proporcionar interações vocais significativamente mais rápidas e orgânicas. Denominados GPT-Live-1 e GPT-Live-1 mini, os novos modelos ficam disponíveis gradualmente a partir de hoje, revolucionando a fluidez das conversas com a inteligência artificial ao eliminar a necessidade de alternar turnos e permitir que o sistema permaneça em silêncio até ser chamado de novo.
Conversação contínua e respostas visuais
Durante a apresentação à imprensa, a empresa demonstrou capacidades inéditas que aproximam a ferramenta de um assistente humano. Uma das grandes inovações passa pela tradução em tempo real, exemplificada com uma passagem do inglês para híndi sem qualquer pausa para processamento, assemelhando-se ao trabalho de um intérprete de tradução simultânea.
Outro detalhe prático reside na capacidade de a inteligência artificial permanecer atenta mas em silêncio quando solicitada, atuando como um participante na conversa que apenas intervém quando o utilizador o decidir. Se o contexto o exigir, a plataforma passa também a poder apresentar elementos visuais no ecrã para complementar a resposta falada, ilustrando relatórios mais detalhados, como as previsões meteorológicas, enquanto explica as condições do tempo.
Nova arquitetura resolve atrasos no processamento
A grande barreira dos sistemas de voz anteriores residia na arquitetura em cascata. O método original dependia de três modelos distintos para transcrever o áudio, gerar texto e convertê-lo novamente em som, o que originava latência e perda de contexto. Embora a versão Advanced Voice Mode tenha unificado este processo num único modelo, continuava refém da deteção de momentos de silêncio para assumir a sua vez de falar, provocando interrupções no diálogo.
Para solucionar este obstáculo tecnológico, a equipa de desenvolvimento implementou uma arquitetura full-duplex no GPT-Live. A ferramenta consegue agora escutar e formular a resposta em simultâneo, tomando decisões antes mesmo de o utilizador terminar a frase. Suportado nos bastidores pelo modelo GPT-5.5, o sistema tem ainda a inteligência de delegar tarefas complexas a outros modelos, como pesquisas na web e raciocínio avançado, mantendo a conversa ativa e entregando o resultado assim que a pesquisa termina.
Disponibilidade imediata com suporte para português
A implementação desta tecnologia arranca nesta quarta-feira (8), abrangendo de imediato todos os patamares da plataforma com planos de integração futura na API. Os subscritores dos planos Go, Plus e Pro recebem o acesso à versão principal GPT-Live-1, enquanto o modelo GPT-Live-1 mini fica encarregue de suportar os utilizadores da versão gratuita.
O mercado nacional está contemplado nesta estratégia, visto que a empresa sublinha que o português é um dos idiomas mais falados por quem utiliza a ferramenta, tendo o sistema sido otimizado para as línguas mais populares. Existe, contudo, a ressalva editorial de que a voz poderá não soar como nativa em determinados idiomas nesta fase inicial.
As funcionalidades de partilha de ecrã e o suporte para conversações com recurso à câmara não integram o pacote de lançamento do GPT-Live, estando prometidas para o futuro. As versões anteriores do modo de voz vão continuar operacionais na plataforma para garantir o suporte a estas funcionalidades de vídeo até que os novos modelos sejam atualizados.
Nenhum comentário
Seja o primeiro!