OpenAI lança os modelos de voz GPT-Live-1 e GPT-Live-1 mini para o ChatGPT

No início de julho de 2026, a OpenAI lançou uma nova geração de modelos de voz para o ChatGPT: o GPT-Live-1 e sua versão mais leve, o GPT-Live-1 mini. Com isso, todo o modo de voz do assistente passou a funcionar em arquitetura full duplex. A informação foi divulgada pelo portal chinês de tecnologia 36Kr (36氪), que cita fontes.

O que mudou no modo de voz do ChatGPT

As versões anteriores do assistente de voz do ChatGPT funcionavam em turnos rígidos: o usuário dizia uma frase, o modelo esperava uma pausa e só então gerava a resposta, que não podia ser interrompida até o fim. O GPT-Live-1 e o GPT-Live-1 mini mudam completamente essa dinâmica. Os dois modelos usam arquitetura full duplex, que permite receber a fala do usuário e gerar a própria fala ao mesmo tempo, em vez de alternar entre uma coisa e outra.

• Os novos modelos se chamam GPT-Live-1 (versão principal) e GPT-Live-1 mini (versão leve, para cenários que exigem menos recursos)
• Ambos usam arquitetura full duplex: a recepção e a geração de fala acontecem em paralelo, e não em sequência
• O usuário pode interromper a resposta do modelo a qualquer momento da conversa
• A atualização abrange todos os recursos de voz do ChatGPT

Por que a conversa com o assistente ficou mais natural

A principal consequência do full duplex é o fim das pausas constrangedoras e da alternância rígida de falas, típicas dos bots de voz da geração anterior. Se o usuário, no meio da frase, reformula a pergunta, muda a formulação ou simplesmente quer interromper o modelo com um "espera, não foi isso que eu quis dizer", o GPT-Live-1 reage na hora. Ele não continua reproduzindo até o fim uma resposta já gerada, como acontecia nos modos de voz anteriores do ChatGPT.

Do ponto de vista técnico, o full duplex é mais difícil de implementar do que o fluxo tradicional "reconhecer a fala → gerar a resposta → sintetizar a voz". O modelo precisa decidir o tempo todo se continua falando, se escuta ou se faz as duas coisas ao mesmo tempo, sem sobrepor vozes e sem perder o fio da conversa. É por isso que sistemas desse tipo continuaram raros por muito tempo, mesmo entre os grandes laboratórios.

Para que serve a versão mini

Ter dois modelos, o GPT-Live-1 e o GPT-Live-1 mini, é uma estratégia comum em serviços de voz, nos quais a latência da resposta é decisiva para a sensação de um diálogo "ao vivo". A versão leve foi pensada para cenários em que importam mais a velocidade de reação e uma carga menor sobre a infraestrutura. Já o modelo principal pode ser usado quando a prioridade é a qualidade e a precisão da resposta.

Onde isso faz mais diferença

A agilidade na conversa se destaca sobretudo quando a voz é a única forma de interagir com o assistente: ao volante, com as mãos ocupadas, em ditados ou no atendimento ao cliente por voz. Nessas situações, um segundo a mais de espera ou a impossibilidade de corrigir o modelo rapidamente incomodam muito mais do que em um chat de texto, no qual basta mandar o complemento na mensagem seguinte. O full duplex elimina justamente essa fonte de irritação: a conversa flui sem pausas artificiais do tipo "fale após o sinal".

O que isso significa

O lançamento do GPT-Live-1 mostra que a disputa entre assistentes de voz com AI deixou de girar apenas em torno da qualidade da síntese de fala e passou a se concentrar na naturalidade do próprio diálogo, ou seja, em quanto a conversa com o modelo parece viva, e não uma troca de falas com uma secretária eletrônica. Os usuários, que cada vez mais conversam com o ChatGPT por voz em vez de texto, ganham um assistente que se comporta mais como um interlocutor de verdade, com interrupções e esclarecimentos, do que como um menu de voz clássico com roteiros fixos. Considerando que o Google já tem seu próprio modo de voz, o Gemini Live, a atualização do motor de voz do ChatGPT parece uma resposta direta à crescente competição por usuários que preferem falar com a AI em vez de digitar.