OpenAI ha annunciato oggi la pubblicazione di nuovi modelli di conversazione vocale, denominati GPT-Live-1 e GPT-Live-1 mini, che sono progettati per sembrare più naturali e per gestire meglio la successione dei turni di parlato. Questi modelli supportano il full-duplex, una funzione chiave che consente al sistema di parlare ed ascoltare contestualmente: gli utenti possono interrompere naturalmente la risposta e interagire in tempo reale, aprire la strada a feature avanzate come la traduzione simultanea.

Evolutione della Voice Interface

Il modello Advanced Voice Mode di ChatGPT verrà sostituito da GPT-Live-1 mini come predefinito, mentre gli utenti che hanno sottoscritto i piani a pagamento potranno accedere al modello più avanzato, GPT-Live-1. Nelle versioni precedenti, l’interfaccia voice combinava modelli di riconoscimento vocale, un linguaggio artificiale esteso per generare risposte e infine un motore di sintesi vocale per il feedback finale. I nuovi modelli invece semplificano questa struttura per migliorare l’efficacia e la reattività.

Secondo l’azienda, gli utenti noteranno miglioramenti specifici in termini di gestione delle interruzioni e qualità complessiva della comprensione. “Gli utenti non vengono interrotti quando stanno parlando né ci sono pause forzate per attendere una risposta”, ha spiegato un portavoce in una riunione stampa dedicata. La tecnologia si avvale dei modelli avanzati GPT-5.5 per effettuare ricerche, ragionamenti complessi o eseguire azioni autonome all’interno della conversazione.

Capacità e Applicazioni

    • Il nuovo modello mantiene il silenzio per periodi prolungati mentre assorbe il contesto conversazionale.
    • Ha la capacità di rispondere in un formato visivo, grazie all’integrazione con modelli grafici delle nuove API di GPT.
    • Con conversazioni testate fino a 30-40 minuti, il team ha dimostrato la capacità di gestire scambi prolungati in contesti naturali come passeggiate o meeting.
    • OpenAI sta progettando l’uso vocale come interfaccia primaria per il calcolo per compiti complessi. Sebbene non abbia ancora confermato dettagli hardware, si vocifera possano essere lanciati auricolari con capacità AI entro quest’anno.

OpenAI e Il Futuro delle Interfacce

Il responsabile del ChatGPT Voice, Atty Eleti, ha dichiarato che “il voice mode potrebbe divenire l’interfaccia principale per gestire lavoro complesso e a lungo termine”. Il sistema non punta però a sostituirsi a un compagno AI, bensì a diventare uno strumento professionale più efficace con funzioni integrate. I nuovi modelli integrano controlli avanzati per fornire risposte adatti a diversi contesti, come rispondere in maniera costruttiva ai ragazzi o fornire risorse di supporto in caso di domande delicate.

Concorrenza e Innovazione

Nonostante i miglioramenti annunciati, esistono concorrenti che mirano a rendere i propri assistenti più espressivi. Apple e Amazon hanno aggiornato i propri assistenti per offrire interazioni più complesse e contestuali. Alcuni startup emergenti, come Sesame, fondata da Brendan Iribe e Ankit Kumar, hanno introdotto assistenti AI in grado di svolgere compiti in background mentre mantengono conversazioni fluide.

Sfide e Limitazioni

Sebbene OpenAI mostri ottime ambizioni, l’azienda ha sottolineato che il sistema necessita di ulteriore ottimizzazione. In una dimostrazione, l’assistente ha mostrato un accento americano molto pesante durante una traduzione in Hindi e la lingua parlata apparsa poco naturale, con toni quasi accademici. OpenAI ha dichiarato che i nuovi modelli sono ottimizzati per “la maggior parte delle lingue parlate”, ma ha evitato di specificare esattamente quali siano supportate.

Progetti Futuri

I modelli di voice di OpenAI hanno beneficiato di anni di lavoro dedicati a renderli più naturali. Sono già milioni gli utenti che interagiscono con voce e dettatura in ChatGPT, un indicatore che suggelli di interesse per il voice mode. Il lavoro di OpenAI in questa direzione punta a creare una tecnologia accessibile e versatile, in cui gli utenti possano parlare liberamente e per lunghi periodi con gli assistenti AI.