Pontos-chave
A OpenAI remodelou a arquitetura de voz do ChatGPT para permitir fluxo de áudio contínuo, sem interrupções. O novo sistema, GPT-Live, permite ao ChatGPT ouvir enquanto fala. O arranque de uma sessão de voz passou de seis viagens de rede para apenas uma. O áudio segue por um “fast path” dedicado, enquanto raciocínio e uso de ferramentas correm de forma assíncrona. A OpenAI publicou um walkthrough técnico completo sobre a reconstrução da stack.
A OpenAI reconstruiu a infraestrutura de voz que suporta o ChatGPT, apresentando uma nova arquitetura, batizada de GPT-Live, concebida para manter o fluxo de áudio contínuo, de modo que o raciocínio mais profundo e o uso de ferramentas deixem de interromper a conversa.
A empresa detalhou as mudanças numa série de publicações em 3 de agosto e num post no blog em que explica como o sistema foi redesenhado de ponta a ponta, do cliente ao modelo. Segundo a OpenAI, o arranque de uma sessão de voz foi reduzido de seis viagens de rede para apenas uma.
Como funciona o GPT-Live
O GPT-Live encaminha o áudio por um caminho rápido dedicado, separado do raciocínio e das chamadas a ferramentas. Esses processos mais pesados são executados de forma assíncrona, isto é, completam-se em segundo plano sem bloquear o fluxo de áudio.
O resultado é uma sessão de voz que arranca mais depressa e se mantém ativa sem as pausas que os utilizadores antes sentiam quando o ChatGPT processava pedidos complexos.
A OpenAI afirmou numa publicação que a arquitetura trata especificamente o momento de início da sessão, tornando a conversa mais natural desde a primeira interação. A reconstrução resolve uma limitação estrutural da stack anterior, em que qualquer passo de raciocínio obrigava a camada de áudio a esperar.
Reconstrução do GPT-Live mira atrasos na voz do ChatGPT
A OpenAI tem acelerado fortemente o desenvolvimento de capacidades de voz até 2026. No início deste ano, a empresa enfrentou críticas de que as respostas por voz do ChatGPT soavam artificiais e lentas quando lidavam com pedidos multi-etapas. A reconstrução com o GPT-Live surge como a resposta de engenharia direta da OpenAI a essa lacuna.
O lançamento segue-se à revelação, no mês passado, de que uma versão interna do seu próximo grande modelo produziu dez novos resultados em matemática por cerca de 2.000 dólares em custos de tokens, um sinal de que a empresa está a investir pesadamente na infraestrutura em toda a linha de produtos.
Leia a seguir: Qwen e DeepSeek aproximam a IA chinesa do patamar da Anthropic
