OpenAI lança modelo de voz em tempo real com funcionalidades aprimoradas para desenvolvedores

A OpenAI lançou o GPT-Live-1, um modelo de voz em tempo real integrado à sua API, permitindo que os desenvolvedores criem aplicações com capacidades avançadas de interação por voz. O modelo suporta conversas de comunicação bidirecional, permitindo a escuta e a fala simultâneas, ao mesmo tempo em que lida com interrupções, pausas e ruído de fundo. É projetado para cenários baseados em telefone, como reservas de restaurantes e atendimento ao cliente, e pode ser conectado a ferramentas como Codex e OpenAI Presence para integração empresarial. O GPT-Live-1 reduz a latência combinando o reconhecimento e a síntese da fala num único modelo, e permite que modelos de texto de backend lidem com a razão complexa e as chamadas de ferramentas. Tony Stoyanov, co-fundador e CTO de uma plataforma de saúde, observou que o uso do GPT-Live-1 reduziu o código em 80% e eliminou aproximadamente 23.000 linhas. O modelo superou o GPT-Realtime-2.1 em 30 pontos percentuais nos testes de comunicação bidirecional e classificou-se em primeiro lugar nas tarefas de ponta a ponta do Tau3 quando usado com o GPT-6 Astra. O preço da camada de voz frontal é de 0,05 dólares por minuto, com custos adicionais para modelos e ferramentas de backend. A OpenAI também expandiu as suas opções de voz, adicionando 12 novas vozes e planeia adicionar mais nos próximos meses.