OpenAI a lancé GPT-Live, une paire de nouveaux modèles vocaux qui améliorent les interactions avec ChatGPT en permettant la parole et l’écoute simultanées, similaires aux conversations humaines. Les modèles GPT-Live-1 et GPT-Live-1 mini ont commencé à être déployés à l’échelle mondiale sur iOS, Android et ChatGPT.com le même jour que leur sortie. GPT-Live-1 servira de modèle vocal par défaut pour les utilisateurs payants, tandis que GPT-Live-1 mini est destiné aux utilisateurs gratuits. OpenAI prévoit également de rendre ces modèles disponibles via API pour les développeurs.
Il s’agit de la troisième génération de la technologie vocale de ChatGPT en deux ans, OpenAI visant à créer une expérience utilisateur plus fluide et plus naturelle que la simple requête d’un moteur de recherche. L’innovation clé est « l’architecture full-duplex », qui permet au modèle de traiter l’audio entrant en continu tout en générant ses réponses vocales.
Selon OpenAI, cette nouvelle architecture permet des décisions d’interaction rapides, permettant des accusés de réception conversationnels tels que « mhmm » et « compris » pendant que les utilisateurs parlent encore, ainsi qu’une gestion plus efficace des interruptions. Le précédent mode vocal avancé reposait sur des échanges au tour par tour, ce qui entraînait parfois des interruptions gênantes dues à de courtes pauses ou à un bruit de fond.
Dans GPT-Live, les fonctions d’interaction vocale et de raisonnement sont séparées, permettant au système de poursuivre les conversations tandis que les requêtes complexes sont déléguées à un modèle backend, en particulier GPT-5.5. Ce changement vise à faciliter une expérience d’interaction plus fluide, permettant aux agents vocaux d’effectuer des tâches telles que l’interrogation de bases de données sans perturber le flux de conversation. OpenAI s’attend à ce que ce changement structurel améliore les applications d’entreprise, permettant des interactions plus complexes.
OpenAI a rapporté que plus de 150 millions d’utilisateurs utilisent les fonctionnalités vocales chaque semaine, ce qui reflète l’importance croissante des interactions vocales dans diverses applications, notamment la pratique linguistique et l’assistance mains libres. GPT-Live introduit des améliorations telles que des cartes visuelles qui affichent des informations contextuelles et trois niveaux de raisonnement pour les réponses : instantané, moyen et élevé.
OpenAI a mis en œuvre de nouvelles mesures de sécurité pour faire face aux risques associés à l’interaction vocale en temps réel. Il s’agit notamment de protections en temps réel pour les situations à haut risque et d’évaluations axées sur la dépendance émotionnelle et d’autres dangers propres à la communication vocale. Par rapport au mode vocal avancé précédent, les scores de sécurité se sont considérablement améliorés dans diverses catégories, telles que les comportements illicites et l’automutilation.
Des concurrents, dont Google, ByteDance et Nvidia, progressent également dans le domaine de la technologie vocale full-duplex. OpenAI est confronté à des défis, notamment une prise en charge linguistique limitée et un manque initial d’accès aux API, qui pourraient entraver sa pénétration du marché. Malgré ces obstacles, OpenAI a l’intention que GPT-Live fasse de la voix l’interface principale pour les interactions avec l’IA, ce qui pourrait conduire à des capacités de gestion de tâches plus sophistiquées à l’avenir.
