ChatGPT Live Voice: modo de voz aprende a pesquisar a internet durante a conversa

Um revisor de ZDNet testou a versão atualizada do modo de voz do ChatGPT — Live Voice — e observou que a conversa com o assistente "quase" se sente como se comunicar com uma pessoa real.

O que há de novo no Live Voice

A principal diferença com os novos modelos de voz ChatGPT é que podem simultaneamente ouvir o usuário, responder por voz e procurar informações na internet sem quebrar a conversa em etapas separadas de "perguntou — esperou — obteve uma resposta". Anteriormente, o diálogo de voz com ChatGPT era estruturado de forma diferente: OpenAI mostrou Advanced Voice Mode em 2024 junto com o modelo GPT-4o — então o foco estava em baixa latência de resposta, entonações naturais e a capacidade de interromper o assistente no meio da frase, mas não havia busca web ao vivo diretamente durante a conversa, e o assistente ainda fazia uma pausa para encontrar fatos atuais.

• Live Voice pode ouvir, falar e procurar na internet simultaneamente
• O recurso está incorporado aos modelos de voz atuais do ChatGPT
• Um revisor de ZDNet descreve o diálogo com o assistente como "quase" indistinguível de conversar com uma pessoa

Como isso se sente na prática

Segundo o revisor de ZDNet que testou o recurso, a naturalidade da conversa é a principal impressão da atualização: o assistente responde rápido o suficiente e suavemente para que a pausa antes da resposta não revele o software no interlocutor. Ao mesmo tempo, o próprio material é enquadrado como uma revisão da experiência pessoal e instruções sobre "como experimentar", em vez de um anúncio de características técnicas específicas do modelo — ou seja, estamos falando da impressão subjetiva de um usuário, não de medições de latência ou precisão.

Como isso difere dos concorrentes

A capacidade de conduzir buscas em larga escala em tempo real diretamente durante uma chamada de voz é uma direção na qual várias grandes empresas de IA estão se movendo simultaneamente: um princípio semelhante de assistente de voz "ao vivo" com acesso à internet está sendo desenvolvido pelo Google na linha Gemini Live. Para o mercado, isso significa que a interface de voz deixa de ser simplesmente uma forma de ditar uma consulta de texto, que é então processada como um chat de texto regular, e se torna um canal separado para interação completa com o assistente — com seu próprio ritmo, pausas e capacidade de agir durante a conversa.

Onde isso pode ser útil na prática

Um assistente de voz que simultaneamente ouve e procura respostas na internet é útil precisamente em situações em que suas mãos e olhos estão ocupados com outra coisa: enquanto dirige, na cozinha enquanto cozinha, ou simplesmente quando é inconveniente digitar em um telefone. Anteriormente em tais cenários, você tinha que esperar que o assistente terminasse de "pensar" após uma pergunta, ou mudar para o modo de texto se precisasse de um fato exato e atual — a nova versão elimina essa lacuna entre conversa e busca.

O que isso significa

As interfaces de voz dos assistentes de IA continuam se movendo da simples conversão de fala em texto para modelos que podem agir durante a conversa — procurar, esclarecer e responder quase sem atraso — e é precisamente essa suavidade, em vez de um recurso separado e chamativo, que causa uma impressão nos usuários de um interlocutor "quase real".