Parla di storie come questa con un compagno IA che si ricorda di te. Crea il tuo account gratuito e salutalo.
OpenAI ha rilasciato GPT-Live-1, un nuovo modello vocale per ChatGPT in grado di parlare e ascoltare allo stesso tempo — progettato specificamente per smettere di interromperti a metà frase.
Il cambiamento tecnico centrale è l'audio full-duplex: GPT-Live-1 elabora il parlato in ingresso mentre sta ancora producendo output. La modalità vocale precedente funzionava più come un walkie-talkie — un lato doveva finire prima che l'altro potesse iniziare. Questo singolo cambiamento ha effetti a cascata sulla naturalezza della conversazione, perché il modello può ora rilevare che hai fatto una pausa a metà pensiero anziché aver finito di parlare, e trattenere di conseguenza la propria risposta.
Secondo The Verge, il responsabile della ricerca di OpenAI Kundan Kumar ha presentato GPT-Live-1 come il modello conversazionalmente più realistico dell'azienda fino ad oggi. L'obiettivo era ridurre il divario tra parlare con un'AI e parlare con una persona — il sintomo più evidente di quel divario essendo la tendenza a intervenire nel momento in cui ci si ferma per riprendere fiato.
Questa pazienza nelle pause conta più di quanto possa sembrare. Chiunque abbia provato a dettare un brief creativo complesso a un assistente vocale conosce la frustrazione di vederlo rispondere prima che tu abbia finito la frase. GPT-Live-1 è addestrato a distinguere una pausa di riflessione da un passaggio di turno conversazionale.
TechCrunch riporta che la capacità di parlare e ascoltare contemporaneamente è specificamente posizionata come abilitante per la traduzione simultanea in tempo reale — un caso d'uso tecnicamente impossibile con il precedente modello sequenziale. Per un traduttore o chiunque lavori tra lingue diverse, la possibilità di sovrapporre l'audio in entrambe le direzioni senza attendere che le enunciazioni complete si concludano è la differenza tra uno strumento utile e uno scomodo.
Per i creatori AI che lavorano con pipeline basate sulla voce — narrando brief per immagini, dirigendo personaggi AI o prototipando dialoghi per compagni AI — la stessa capacità full-duplex elimina il ritmo stop-start che rende l'input vocale più lento della digitazione.
Il comportamento di interruzione ridotta non è solo una funzione di cortesia. Quando si costruiscono compagni AI o personaggi con interfacce vocali, un assistente che risponde nel momento in cui ci si ferma distrugge l'illusione di uno scambio reale. La capacità di GPT-Live-1 di leggere l'intenzione conversazionale — questa persona ha finito, o sta solo pensando? — è esattamente il tipo di realismo comportamentale di basso livello che rende le interazioni vocali con i personaggi meno robotiche.
OpenAI non ha pubblicato un'analisi tecnica completa di come il modello distingua i tipi di pausa, ma l'inquadratura del briefing di Kumar suggerisce che si tratti di un comportamento appreso piuttosto che di una semplice soglia di durata del silenzio, il che rappresenterebbe un miglioramento significativo rispetto agli approcci basati su regole.
GPT-Live-1 viene distribuito come aggiornamento alla modalità vocale esistente di ChatGPT piuttosto che come prodotto separato o endpoint API, il che significa che gli utenti già abbonati ai piani ChatGPT con voce abilitata dovrebbero vedere il cambiamento senza un nuovo abbonamento. OpenAI non ha annunciato una tempistica di rilascio API separata per gli sviluppatori che desiderano integrare GPT-Live-1 nelle proprie applicazioni, quindi le pipeline vocali di terze parti dovranno attendere su questo fronte.
L'arrivo del modello avviene mentre l'infrastruttura AI vocale si muove rapidamente in tutto il settore — Hugging Face e Cerebras hanno recentemente dimostrato di eseguire Gemma 4 di Google a velocità vocali in tempo reale, segnalando che l'inferenza vocale a bassa latenza sta diventando una base competitiva piuttosto che un elemento differenziante. La risposta di OpenAI è competere sul comportamento conversazionale piuttosto che sulla sola velocità grezza.
