Discutez d’histoires comme celle-ci avec un compagnon IA qui se souvient de vous. Créez votre compte gratuit et dites bonjour.
Rencontrer votre compagnonChoisissez un compagnon et découvrez son avis sur cette histoire
OpenAI a publié GPT-Live-1, un nouveau modèle vocal pour ChatGPT capable de parler et d'écouter en même temps — et spécifiquement conçu pour arrêter de vous couper la parole en pleine phrase.
Le changement technique fondamental est l'audio en duplex intégral : GPT-Live-1 traite la parole entrante pendant qu'il produit encore une réponse. L'ancien mode vocal fonctionnait davantage comme un talkie-walkie — un côté devait finir avant que l'autre puisse commencer. Ce seul changement a des effets en cascade sur le naturel d'une conversation, car le modèle peut désormais détecter que vous avez marqué une pause en plein milieu d'une pensée plutôt que d'avoir fini de parler, et retenir sa réponse en conséquence.
Selon The Verge, le responsable de recherche d'OpenAI Kundan Kumar a présenté GPT-Live-1 comme le modèle conversationnellement le plus réaliste de l'entreprise à ce jour. L'objectif était de réduire l'écart entre parler à une IA et parler à une personne — le symptôme le plus évident de cet écart étant la tendance à intervenir dès que vous vous arrêtez pour reprendre votre souffle.
Cette tolérance aux pauses compte plus qu'il n'y paraît. Quiconque a essayé de dicter un brief créatif complexe à un assistant vocal connaît la frustration de le voir répondre avant même que vous ayez terminé votre phrase. GPT-Live-1 est entraîné à distinguer une pause de réflexion d'un passage de relais conversationnel.
TechCrunch rapporte que la capacité à parler et écouter simultanément est spécifiquement positionnée comme permettant la traduction simultanée en temps réel — un cas d'usage techniquement impossible avec l'ancien modèle séquentiel. Pour un traducteur ou toute personne travaillant entre plusieurs langues, la possibilité de superposer l'audio dans les deux sens sans attendre la fin des énoncés complets fait toute la différence entre un outil utile et un outil maladroit.
Pour les créateurs IA qui travaillent avec des pipelines pilotés par la voix — narration de briefs d'images, direction de personnages IA ou prototypage de dialogues pour des compagnons IA — cette même capacité en duplex intégral supprime le rythme saccadé qui rend la saisie vocale plus lente que la frappe.
Le comportement réduit en matière d'interruptions n'est pas qu'une simple question de politesse. Lors de la création de compagnons IA ou de personnages avec des interfaces vocales, un assistant qui répond dès que vous marquez une pause brise l'illusion d'un véritable échange. La capacité de GPT-Live-1 à lire l'intention conversationnelle — cette personne a-t-elle fini, ou réfléchit-elle simplement ? — est exactement le type de réalisme comportemental de bas niveau qui rend les interactions vocales avec des personnages moins robotiques.
OpenAI n'a pas publié d'analyse technique complète sur la façon dont le modèle distingue les types de pauses, mais la formulation issue du briefing de Kumar suggère qu'il s'agit d'un comportement appris plutôt que d'un simple seuil de durée de silence, ce qui constituerait une amélioration significative par rapport aux approches basées sur des règles.
GPT-Live-1 est déployé comme une mise à niveau du mode vocal existant de ChatGPT plutôt que comme un produit distinct ou un point de terminaison API, ce qui signifie que les utilisateurs déjà abonnés aux offres ChatGPT avec voix devraient constater le changement sans nouvel abonnement. OpenAI n'a pas annoncé de calendrier de publication API distinct pour les développeurs souhaitant intégrer GPT-Live-1 dans leurs propres applications, de sorte que les pipelines vocaux tiers devront patienter sur ce point.
L'arrivée de ce modèle intervient alors que l'infrastructure vocale IA évolue rapidement dans l'ensemble du secteur — Hugging Face et Cerebras ont récemment démontré l'exécution de Gemma 4 de Google à des vitesses vocales en temps réel, signalant que l'inférence vocale à faible latence devient une référence concurrentielle plutôt qu'un facteur de différenciation. La réponse d'OpenAI est de se démarquer par le comportement conversationnel plutôt que par la seule vitesse brute.