A OpenAI lançou no dia 8 de julho o GPT-Live-1, um modelo de voz full-duplex que deixa o ChatGPT escutar e falar ao mesmo tempo, aposentando o antigo Advanced Voice Mode. Quem detalhou foi o TechCrunch. Acabou aquela dança robótica de falar, esperar o bip imaginário, ser atropelado pela resposta inteira e começar tudo de novo. Agora é igual uma ligação de verdade: você corta a IA no meio da frase, ela para, se ajusta e segue dali. E tem um truque a mais, o modelo lê a entonação, não só as palavras, pra sacar sua intenção.
O que é full-duplex, na prática
O termo vem da telefonia. Half-duplex é o walkie-talkie: um fala, o outro espera. Full-duplex é o telefone, com os dois canais abertos ao mesmo tempo. Todo assistente de voz até hoje era, no fundo, walkie-talkie disfarçado, gravava sua fala, processava e respondia em bloco. O GPT-Live processa a fala que entra e gera a fala que sai ao mesmo tempo: ele já começa a responder enquanto ainda ouve o fim da sua frase, e reage se você emendar outra coisa no meio.
Como a OpenAI resolveu a parte pesada
Tem uma sacada esperta de arquitetura aqui. Conversa fluida pede resposta instantânea, mas raciocínio bom pede tempo. A OpenAI separou as duas coisas: o GPT-Live cuida do papo em tempo real e, quando a pergunta exige busca na web, raciocínio mais fundo ou tarefa de agente em vários passos, ele delega pro GPT-5.5 rodando por trás e devolve o resultado na conversa sem quebrar o ritmo. E os números explicam por que isso importa: no teste de raciocínio científico GPQA, o GPT-Live no ajuste máximo saltou pra 84,2%, contra 45,3% do modo antigo. Em busca na web (BrowseComp), foi de menos de 1% pra 75,2%. Vão sair duas versões, a mini como padrão e a maior pra quem paga.
Por que isso é maior do que parece
Voz sempre foi o elo mais fraco dos assistentes. A latência e a troca de turno denunciavam a máquina em três segundos de conversa. Derrubada essa barreira, destrava tudo que depende de naturalidade: atendimento por telefone que não dá vontade de gritar “ATENDENTE”, tradução simultânea que funciona de verdade, acessibilidade pra quem não digita, assistente de carro que entende quando você muda de ideia no meio do caminho, professor de idioma que conversa no ritmo de gente.
A corrida da voz esquentou
O lançamento coloca a OpenAI de vez na briga de interface de voz contra Google, Meta, Amazon e um monte de startup especializada. E aqui interface pesa mais que benchmark: quem cravar o jeito mais natural de conversar com IA leva de brinde aquele mercado que Alexa e Siri prometeram dez anos atrás e nunca entregaram. Tem também o detalhe estratégico: voz natural é a porta de entrada dos dispositivos de IA sem tela que meio mundo está desenhando, a própria OpenAI incluída, ali na queda de braço judicial com a Apple por hardware.
O que ainda precisa provar
Um ceticismo saudável: demo de voz sempre impressiona, produção é outra história. Full-duplex em escala significa processar áudio contínuo de milhões de sessões ao mesmo tempo, e isso custa caro em inferência. Fora a pergunta que interessa pro dev: quanto vai sair o minuto de conversa na API? Se o preço vier salgado, o walkie-talkie baratinho ainda vai viver um bom tempo.
Testando o padrão antigo, minha implicância sempre foi a mesma: ninguém quer viver apertando um botão imaginário de “falar”. Se o GPT-Live entregar em produção o que mostra na demo, é máquina, Alexa e Siri viram peça de museu na velocidade em que o full-duplex se espalhar. Meu chute é que em seis meses todo assistente decente vira full-duplex. Escuta o que eu tô te falando. E o primeiro banco brasileiro que botar isso no atendimento por telefone ganha o cliente na simpatia.
Você usaria IA por voz no dia a dia ou ainda prefere teclado? Me conta nos comentários.
Fontes
ESCRITO PELA IA. REVISADO POR HUMANOS.
