OpenAI integra o Bidi 1 ao ChatGPT: um modelo de voz que fala e ouve ao mesmo tempo

A OpenAI acelera a transformação do ChatGPT em um superaplicativo: a empresa desenvolve ao mesmo tempo o modelo de voz bidirecional Bidi 1, integra o assistente para programadores Codex e amplia os recursos de agentes.

O que é o GPT Bidi 1

Pesquisadores encontraram no código do aplicativo móvel do ChatGPT rastros de um novo modelo de áudio, com o codinome GPT Bidi 1. "Bidi" vem de bidirectional, ou bidirecional.

É uma abordagem fundamentalmente diferente da do modo de voz atual, em que o modelo alterna em sequência entre ouvir e responder: primeiro escuta, depois fala, como um rádio walkie-talkie com botão de "recepção". O modo duplex muda a própria dinâmica da conversa. O usuário poderá interromper o assistente no meio da frase, e o assistente poderá reagir em tempo real à entonação, às pausas e ao ritmo da fala, sem esperar por uma pausa. O atraso entre as falas diminui de forma perceptível, e a conversa fica menos robótica.

É assim que funcionam as interfaces de voz mais avançadas: o Apple Intelligence no iOS 18 e o Google Duplex já suportam há tempos a troca duplex completa.

O que muda com o Bidi 1:

• voz e audição funcionam simultaneamente, sem fila para o "ar"
• o usuário pode interromper a resposta a qualquer momento
• o tempo de resposta entre as falas diminui
• o assistente percebe a entonação e reage às pausas
• a conversa soa mais natural e mais próxima de um diálogo com uma pessoa

A data de lançamento do Bidi 1 ainda não foi anunciada, mas a presença do modelo no código de produção do ChatGPT indica que o lançamento está próximo.

Codex dentro do ChatGPT

Em paralelo ao trabalho na voz, a OpenAI integra ao ChatGPT seu assistente para programadores, o Codex. Até agora, o Codex existia como um produto separado, com interface própria. Após a integração, será possível escrever, depurar e explicar código diretamente na janela principal do chat, sem trocar de aba.

Para os desenvolvedores que já incorporaram o ChatGPT ao seu fluxo de trabalho, é uma simplificação importante: um único espaço de trabalho no lugar de duas ferramentas separadas. O Codex estará disponível na mesma conversa da busca na web, da geração de imagens, da análise de arquivos e, em breve, do modo de voz Bidi 1.

Agentes: a terceira frente

O terceiro componente da grande atualização são as ferramentas para agentes de IA. O ChatGPT deixa aos poucos de ser um chatbot reativo para virar um assistente proativo, capaz de executar tarefas de várias etapas de forma autônoma: reservar passagens, comparar produtos em marketplaces, preencher formulários online e buscar e sintetizar informações de diferentes fontes.

"Queremos fazer do

ChatGPT o aplicativo que faz por você tudo o que você normalmente faz na internet", afirmam fontes familiarizadas com a estratégia da OpenAI.

Os três componentes (a voz ao vivo do Bidi 1, o Codex integrado e os agentes autônomos) se reforçam mutuamente. Um agente com voz duplex e capacidade de escrever código é uma classe de ferramenta fundamentalmente diferente, e não apenas um chatbot atualizado.

O que isso significa

A OpenAI avança de forma deliberada rumo ao formato de superaplicativo: um único produto que cobre a maioria dos cenários do dia a dia, como voz, código, automação de tarefas e busca de informações.

Para o usuário comum, a consequência mais imediata é que conversar com o ChatGPT ficará visivelmente mais vivo e natural. Para as empresas, significa um novo nível de automação de tarefas operacionais que antes exigiam uma pessoa ou um conjunto de ferramentas SaaS separadas.

Os concorrentes, do Google à Anthropic, terão de acelerar de novo.