OpenAI ha lanciato GPT-Live mercoledì, introducendo due nuovi modelli vocali che sostituiscono l’attuale modalità vocale avanzata. I modelli GPT-Live-1 e GPT-Live-1 mini consentono l’ascolto e la conversazione simultanei, imitando la conversazione umana. GPT-Live-1 è l’impostazione predefinita per gli utenti a pagamento dei livelli Go, Plus e Pro, mentre GPT-Live-1 mini è per gli utenti del livello gratuito.
Il lancio inizia a livello globale su iOS, Android e ChatGPT.com. OpenAI prevede di integrare i modelli nella sua API per gli sviluppatori. GPT-Live rappresenta la terza generazione della tecnologia vocale di ChatGPT sviluppata in due anni.
La caratteristica principale di GPT-Live è una “architettura full-duplex”, che consente l’elaborazione audio in tempo reale durante la generazione di risposte. “Invece di elaborare una sequenza di messaggi separati, GPT-Live elabora continuamente l’input generando l’output”, ha affermato OpenAI in un post sul blog. Ciò consente riconoscimenti conversazionali come “mhmm” ed evita interruzioni durante gli scambi.
La precedente modalità vocale avanzata, lanciata nel settembre 2024, operava su rigidi scambi turn-by-turn, creando frustrazioni nell’esperienza dell’utente. Il rumore di fondo potrebbe innescare risposte prematuramente, influenzando il flusso della conversazione.
GPT-Live separa inoltre l’interazione vocale dal ragionamento delegando query complesse a un modello in background, ovvero GPT-5.5, pur continuando la conversazione senza interruzioni. “Mentre funziona, GPT-Live può continuare a parlare con te e mantenere il flusso della conversazione”, ha spiegato OpenAI.
La voce originale di ChatGPT, lanciata nel 2023, si basava su una pipeline complessa che introduceva latenza e perdita di informazioni tra i modelli. Questa configurazione è stata perfezionata nella modalità vocale avanzata, che ha tentato di semplificare il processo ma ha comunque provocato pause e interruzioni imbarazzanti.
OpenAI cerca di mitigare le preoccupazioni derivanti dalle controversie passate sulla falsificazione della voce, in particolare derivanti dalla voce di “Sky” che somiglia a quella dell’attrice Scarlett Johansson. La società ha sottolineato che GPT-Live evita l’imitazione e incorpora misure di salvaguardia contro l’imitazione delle voci delle persone reali.
Attualmente, oltre 150 milioni di utenti interagiscono settimanalmente con le funzionalità vocali di ChatGPT, su un totale di 900 milioni di utenti attivi. Con GPT-Live, gli utenti possono accedere a ricche schede visive e scegliere tra tre livelli di ragionamento della risposta: Istantaneo, Medio e Alto. Il sistema promette inoltre prestazioni migliorate nella gestione del rumore di fondo e delle interruzioni dell’utente durante le conversazioni.
Le misure di sicurezza si sono evolute insieme ai nuovi modelli. OpenAI ha condotto valutazioni approfondite, dimostrando le prestazioni migliorate di GPT-Live in categorie tra cui autolesionismo e incitamento all’odio, affrontando rischi unici associati alle interazioni vocali in tempo reale.
Mentre OpenAI fa avanzare la propria tecnologia vocale, anche concorrenti come Google, ByteDance e Nvidia hanno recentemente lanciato i propri sistemi full-duplex. GPT-Live attualmente non dispone di alcune funzionalità come l’interazione video o la condivisione dello schermo, che stanno diventando standard nelle offerte di intelligenza artificiale vocale.
Nel complesso, GPT-Live rappresenta un progresso significativo per OpenAI in quanto posiziona la voce come livello di interazione primario per l’intelligenza artificiale, puntando a capacità più naturali e agenti nella comunicazione AI.
