ChatGPT Live Voice: modo de voz agora pesquisa na internet durante a conversa

Um colunista do ZDNet testou a versão atualizada do modo de voz do ChatGPT, o Live Voice, e notou que conversar com o assistente "quase" parece falar com uma pessoa de verdade.

O que há de novo no Live Voice

A principal novidade dos novos modelos de voz do ChatGPT é que eles conseguem ouvir o usuário, responder por voz e pesquisar na internet ao mesmo tempo, sem quebrar a conversa em etapas separadas de "perguntou, esperou, recebeu a resposta". Antes, o diálogo por voz com o ChatGPT funcionava de outro jeito. A OpenAI apresentou o Advanced Voice Mode ainda em 2024, junto com o modelo GPT-4o. Na época, o foco estava na baixa latência das respostas, na entonação natural e na possibilidade de interromper o assistente no meio da frase. Mas não havia busca ao vivo na web durante a conversa: para trazer fatos atualizados, o assistente ainda precisava fazer uma pausa.

• O Live Voice consegue ouvir, falar e pesquisar na internet ao mesmo tempo
• O recurso está integrado aos modelos de voz atuais do ChatGPT
• O colunista do ZDNet descreve o diálogo com o assistente como "quase" indistinguível de uma conversa com uma pessoa

Como isso funciona na prática

Segundo o colunista do ZDNet que testou o recurso, a naturalidade da conversa é a principal impressão deixada pela atualização: o assistente reage de forma rápida e fluida o bastante para que a pausa antes da resposta não denuncie que do outro lado há um programa. Vale notar, porém, que o texto foi escrito como um relato de experiência pessoal e um guia de "como testar", e não como o anúncio de especificações técnicas do modelo. Ou seja, trata-se da impressão subjetiva de um usuário, e não de medições de latência ou precisão.

Como isso se compara aos concorrentes

A capacidade de fazer buscas completas em tempo real durante uma chamada de voz é uma direção seguida por várias grandes empresas de IA ao mesmo tempo: o Google desenvolve um conceito parecido de assistente de voz "ao vivo" com acesso à web na linha Gemini Live. Para o mercado, isso significa que a interface de voz deixa de ser apenas uma forma de ditar um pedido em texto, que depois é processado como um chat comum. Ela passa a ser um canal próprio de interação completa com o assistente, com ritmo, pausas e capacidade de agir ao longo da conversa.

Onde isso pode ser útil na prática

Um assistente de voz que ouve e pesquisa na web ao mesmo tempo é útil justamente quando as mãos e os olhos estão ocupados com outra coisa: ao volante, na cozinha durante o preparo de uma receita ou simplesmente quando é inconveniente digitar no celular. Antes, nesses cenários, era preciso esperar o assistente terminar de "pensar" depois da pergunta ou mudar para o modo de texto quando se precisava de um fato preciso e atualizado. A nova versão elimina essa separação entre conversa e busca.

O que isso significa

As interfaces de voz dos assistentes de IA continuam evoluindo da simples conversão de fala em texto para modelos capazes de agir durante a conversa: pesquisar, esclarecer e responder quase sem atraso. E é justamente essa fluidez, e não um recurso isolado de grande impacto, que dá aos usuários a impressão de estar diante de um interlocutor "quase humano".