OpenAI tocmai a lansat GPT-Live, o nouă generație de modele AI vocale care va alimenta ChatGPT Voice. Noutatea este trecerea la o arhitectură full-duplex, ceea ce înseamnă că sistemul poate asculta și vorbi în același timp, așa cum a promis și Google cu modelele Gemini în cadrul I/O 2026. GPT-Live este proiectat pentru conversații vocale mai fluide, în care utilizatorul poate întrerupe, poate face pauze sau poate cere modelului să încetinească. OpenAI spune că modelul poate recunoaște mai bine ritmul conversației și poate decide de mai multe ori pe secundă dacă trebuie să vorbească, să asculte, să aștepte sau să invoce un instrument.
GPT-Live schimbă modul în care funcționează ChatGPT Voice
Generațiile anterioare de sisteme vocale foloseau fie o arhitectură în cascadă, fie modele care lucrau pe ture clare de conversație. În primul caz, vocea era transcrisă în text, apoi procesată de un model lingvistic, iar răspunsul era transformat înapoi în voce. Această abordare putea introduce întârzieri și pierderi de informație între etape.
Modelele vocale bazate pe ture au redus latența, dar au păstrat o limitare importantă: sistemul trebuia să aștepte ca utilizatorul să se oprească din vorbit. OpenAI spune că acest mecanism putea duce la întreruperi nenaturale, mai ales când o pauză scurtă sau zgomotul de fundal era interpretat greșit ca final de propoziție.
GPT-Live încearcă să rezolve această problemă prin procesarea continuă a intrării audio în timp ce generează răspunsurile vocale. Pe scurt, modelul nu mai tratează conversația ca pe o succesiune de mesaje, așa cum se întâmplă în interacțiunile în format text, ci ca pe un flux audio continuu.
Sarcinile dificile sunt delegate către GPT-5.5
O altă schimbare importantă este separarea conversației vocale de sarcinile mai dificile. GPT-Live se ocupă de interacțiunea în timp real, iar atunci când întrebarea cere căutare pe web, raționament mai profund sau lucru complex, poate delega sarcina către un model din fundal.
La lansare, OpenAI spune că GPT-Live folosește GPT-5.5 pentru aceste sarcini. Versiunile GPT-Live-1 Instant și GPT-Live-1 mini folosesc GPT-5.5 Instant, în timp ce variantele Medium și High folosesc GPT-5.5 Thinking, cu niveluri mai ridicate de raționament. Pentru utilizator, diferența ar trebui să fie vizibilă mai ales în conversațiile care combină răspunsuri rapide cu întrebări mai complicate. Modelul vocal poate menține dialogul în timp ce sarcina mai grea este procesată în fundal.
Disponibilitate și limitări
OpenAI spune că peste 150 de milioane de oameni folosesc săptămânal funcții precum Voice și Dictation în ChatGPT. Începând de acum, GPT-Live este lansat global pe iOS, Android și ChatGPT.com. GPT-Live-1 va deveni modelul implicit pentru ChatGPT Voice în cazul utilizatorilor Go, Plus și Pro, iar GPT-Live-1 mini va fi folosit implicit pentru utilizatorii Free. Compania mai spune că modelele vor ajunge ulterior și în API. Există însă și limitări.
La lansare, GPT-Live nu suportă conversații vocale cu video sau screen sharing în ChatGPT. Aceste funcții rămân disponibile prin versiunile vechi de ChatGPT Voice, acolo unde sunt deja activate. OpenAI mai precizează că, pentru unele limbi, modelul poate avea accent non-nativ sau probleme de fluență.
About the Author
