OpenAI mercredi a lancé GPT-Live, une nouvelle famille de modèles vocaux capables d'écouter et de parler en même temps.
La société a déclaré qu'elle déploie deux versions — GPT-Live-1 et GPT-Live-1 mini — aux utilisateurs du monde entier. GPT-Live-1 mini remplacera le mode vocal avancé actuel dans ChatGPT par défaut, tandis que les utilisateurs des niveaux payants auront accès au modèle GPT-Live-1 plus grand, a déclaré la société.
Contrairement aux systèmes vocaux traditionnels, les nouveaux modèles fonctionnent en mode full-duplex — traitant l'entrée et la sortie de la parole en même temps — ce qui ouvre la voie à des interruptions naturelles et à des capacités telles que la traduction en direct, a rapporté TechCrunch. Le traitement audio dans l'ancien système fonctionnait comme un relais : les mots parlés étaient d'abord transcrits, puis transmis à un modèle de langage, puis reconvertis en parole avant d'atteindre l'utilisateur.
Lors d'un point presse, OpenAI a décrit les défauts de l'ancien système que les nouveaux modèles sont censés corriger, en soulignant les cas où l'assistant interrompait les utilisateurs et manquait de précision dans les réponses. Lorsqu'une requête nécessite des capacités de recherche, de raisonnement ou d'agent, le système la transmet à un modèle textuel tel que GPT-5.5 en arrière-plan sans interrompre l'interaction vocale, a déclaré la société.
Le nouveau mode vocal est également conçu pour des conversations plus longues. Atty Eleti, responsable produit de ChatGPT Voice, a déclaré lors d'une conférence de presse qu'il avait eu des conversations de 30 à 40 minutes avec cette fonctionnalité lors de promenades.
Les démonstrations ont également mis en évidence la capacité du modèle à se retenir et à écouter tranquillement ce qui est dit jusqu'à ce que ce soit nécessaire. Comme le mode vocal s'appuie sur des modèles GPT plus récents, il peut présenter certaines réponses visuellement plutôt que par le biais de la parole uniquement.
La société a déclaré que plus de 150 millions de personnes utilisent ChatGPT via des fonctionnalités vocales telles que Voice et Dictation. OpenAI a déclaré qu'elle voit la voix comme une interface potentielle principale pour le travail informatique complexe.
« Avec le temps, nous pensons que cela débloquera également la capacité d'utiliser la voix comme une sorte d'interface principale pour l'informatique, et de gérer des travaux agentiques de longue durée et de plus en plus complexes », a déclaré Eleti.
OpenAI a déclaré que les modèles incluent des fonctionnalités de sécurité, telles que des garde-fous qui modifient les réponses pour les jeunes utilisateurs et suggèrent des ressources de soutien si des sujets sensibles comme l'automutilation sont abordés. La société a également déclaré qu'elle ne présente pas le nouveau mode vocal comme un compagnon IA.
Plus tôt cette année, en mai, la société a publié une série de trois modèles audio destinés aux développeurs créant des applications pilotées par la voix, avec un accent sur rendre ces agents plus naturels dans la conversation. Reuters a rapporté.