Principais pontos
OpenAI reformulou a arquitetura de voz do ChatGPT para permitir fluxo contínuo de áudio, sem interrupções. O novo sistema, GPT-Live, permite ao ChatGPT ouvir enquanto fala. A inicialização de sessões de voz caiu de seis idas e voltas de rede para apenas uma. O áudio segue por um caminho dedicado e rápido, enquanto raciocínio e uso de ferramentas rodam de forma assíncrona. A OpenAI publicou um detalhado walkthrough técnico sobre a reconstrução.
A OpenAI reconstruiu a infraestrutura de voz que sustenta o ChatGPT e lançou uma nova arquitetura, batizada de GPT-Live, que mantém o áudio fluindo de forma contínua, de modo que tarefas de raciocínio mais profundo e uso de ferramentas não interrompam a conversa.
A OpenAI descreveu as mudanças em uma série de posts em 3 de agosto e publicou um blog explicando como o sistema foi redesenhado de ponta a ponta, do cliente ao modelo. Segundo a empresa, o tempo de início de uma sessão de voz caiu de seis viagens de rede para apenas uma.
Como funciona o GPT-Live
O GPT-Live encaminha o áudio por um caminho rápido e dedicado, separado do raciocínio e das chamadas de ferramentas. Esses processos mais pesados rodam de forma assíncrona, ou seja, são concluídos em segundo plano sem precisar pausar o fluxo de áudio.
O resultado é uma sessão de voz que inicia mais rapidamente e permanece ativa, sem as pausas que usuários enfrentavam antes quando o ChatGPT precisava processar solicitações complexas.
A OpenAI afirmou em um post que a arquitetura foi desenhada para lidar especificamente com o momento de início da sessão, fazendo a conversa soar mais natural desde a primeira interação. A reconstrução corrige uma limitação estrutural do stack anterior, em que qualquer etapa de raciocínio obrigava a camada de áudio a esperar.
Reconstrução do GPT-Live mira atrasos na voz do ChatGPT
A OpenAI vem acelerando investimentos em capacidades de voz até 2026. No início do ano, a empresa foi alvo de críticas de que as respostas por voz do ChatGPT pareciam travadas e lentas ao lidar com consultas de múltiplas etapas. A reconstrução com o GPT-Live é a resposta direta de engenharia da OpenAI a essa lacuna.
O lançamento vem na sequência da revelação, no mês passado, de que uma versão interna do próximo grande modelo da empresa produziu dez novos resultados em matemática a um custo de cerca de US$ 2.000 em tokens, sinalizando um ciclo mais amplo de investimentos em infraestrutura em toda a linha de produtos.
Leia também: Qwen e DeepSeek levam IA chinesa até a porta da Anthropic
