MADRID 9 jul. (Portaltic/EP) -
O laboratório de inteligência artificial (IA) OpenAI apresentou sua nova geração de modelos de voz, denominada GPT-Live, que se destaca por manter uma conversa real que o usuário pode até mesmo interromper.
Por meio de um comunicado em seu site, a OpenAI anunciou o lançamento do GPT-Live, uma nova geração de modelos de voz que se caracteriza principalmente por poder ouvir e falar ao mesmo tempo, o que promove uma interação natural entre o usuário e a IA.
Ela se destaca não apenas porque o GPT-Live consegue ouvir e falar ao mesmo tempo, mas também por incluir expressões como “ah, entendi” ou “claro”, que enriquecem a conversa natural com a IA, e porque é capaz, instantaneamente, de mudar de assunto, realizar trocas rápidas de ideias, permitir que o usuário o interrompa a qualquer momento ou exibir cartões visuais (previsão do tempo, cotação da bolsa e muito mais).
O GPT-Live é, nas palavras da OpenAI, “o modelo de voz mais inteligente até o momento” da empresa de tecnologia. Ele se baseia no GPT-5.5 em segundo plano para realizar tarefas como pesquisa na web, raciocínio mais aprofundado ou trabalhos mais complexos.
“Com o tempo, acreditamos que essa pesquisa também facilitará o uso da voz para tarefas cada vez mais complexas, de maior duração e com maior autonomia”, afirmou a OpenAI, antecipando o futuro que esse tipo de experiência reserva para o dia a dia do usuário.
Até agora, a tecnologia por trás da experiência de linguagem natural por voz do ChatGPT utilizava sistemas em cascata, que encadeavam três modelos independentes (transcrição, processamento de texto e síntese de voz), o que resultava em respostas lentas, longas pausas e perda de informações; e os modelos por turnos, que dependiam principalmente do silêncio para detectar quando responder.
A OpenAI abordou essas limitações no GPT-Live com duas soluções. Uma delas é a interação contínua, que, em vez de processar uma sequência de mensagens separadas, processa a entrada de forma contínua enquanto gera a saída (falando e ouvindo ao mesmo tempo, ou fazendo uma pausa assim como interrompe), enquanto a segunda delega processos de trabalho a outros modelos, o que permite que ele acompanhe a conversa.
Além disso, o laboratório de IA incluiu novas medidas de segurança no ChatGPT Voz. “Quando o sistema detecta uma resposta potencialmente insegura, ele pode redirecionar o modelo para uma resposta mais segura, exibir mensagens de segurança adicionais ou encerrar a conversa nos casos de maior risco”, destaca a OpenAI em seu blog.
Além disso, por meio dos Controles parentais, os pais podem decidir se seus filhos adolescentes têm acesso ao recurso de voz. E em situações de maior risco, se o sistema detectar indícios de possíveis automutilações ou intenção suicida, os pais receberão um aviso.
A OpenAI iniciou nesta quarta-feira a implantação do GPT-Live no ChatGPT para Android, iOS e na web. Essa nova geração chega em duas versões. Uma é o GPT-Live-1, o modelo destinado aos usuários que pagam pelas assinaturas Go, Plus e Pro, enquanto o GPT-Live-1 mini estará disponível para as contas gratuitas.
O GPT-Live estará disponível em breve na API, e as empresas e desenvolvedores já têm a oportunidade de se cadastrar para receber o aviso.
Esta notícia foi traduzida por um tradutor automático