GPT-Live-1 chega à API: a voz da IA começa a conversar sem esperar a vez

A OpenAI lançou o GPT-Live-1 na API com uma mudança perceptível para quem fala com assistentes: o modelo consegue ouvir e responder ao mesmo tempo. Isso permite interromper, hesitar ou mudar de direção sem esperar o robô terminar uma fala inteira.

Os sistemas de voz tradicionais costumam encadear três etapas: transcrição, raciocínio e síntese de fala. Cada passagem adiciona atraso e aumenta a chance de perder o ritmo da conversa. O novo modelo concentra a camada de voz e pode encaminhar decisões mais complexas ou chamadas de ferramentas para um modelo de texto no back-end.

Na prática, a tecnologia se encaixa em reservas, agendamentos, pedidos e atendimento telefônico. A empresa pode ajustar tom, velocidade e estilo de fala e conectar o assistente aos sistemas que já consultam disponibilidade, cadastro ou status de uma solicitação.

O preço anunciado para a camada frontal de voz é de US$ 0,05 por minuto. Essa não é necessariamente a conta completa: o modelo de raciocínio, as ferramentas e a infraestrutura conectados por trás da conversa também podem gerar custo.

Naturalidade aumenta a responsabilidade. É preciso avisar que a pessoa fala com uma IA, proteger gravações e transcrições, confirmar ações importantes e oferecer saída rápida para atendimento humano. Uma voz convincente não pode esconder limites nem criar uma falsa sensação de certeza.

O que isso significa para o seu negócio: atendimento por voz deixou de ser apenas um menu falado e se aproximou de uma conversa real. Teste primeiro uma tarefa estreita, como confirmar horários, e acompanhe interrupções, erros, transferências para humanos e custo por resolução.