OpenAI lance GPT-Live : des modèles vocaux full-duplex pour ChatGPT avec traduction en direct et alternance naturelle des tours de parole

Architecture full-duplex

Le cœur de GPT-Live est le full-duplex : il traite l'audio en continu tout en générant de la parole, permettant les interruptions, les interjections et une alternance des tours de parole plus fluide. Le blog de recherche d'OpenAI a noté que « le modèle peut donc prendre des décisions d'interaction plusieurs fois par seconde : parler, continuer à écouter, faire une pause, interrompre ou invoquer un outil ». Cela résout la fragilité des modes vocaux précédents, qui se basaient sur les silences et interrompaient souvent au mauvais moment.

On peut même oublier que l'on parle à une IA. Comment dire ? C'est une sensation vraiment, vraiment incroyable.

Délégation en arrière-plan à GPT-5.5

Lorsqu'une requête nécessite un raisonnement plus poussé ou une recherche sur le web, GPT-Live la transmet en arrière-plan à GPT-5.5. Le modèle vocal maintient la conversation avec des phrases de remplissage, puis intègre la réponse de manière transparente. Atty Eleti, responsable du produit vocal, a déclaré que la conception reflète le dialogue humain :

Nous continuons la conversation pendant que nous réfléchissons en arrière-plan.

Le modèle affiche également des cartes visuelles pour la météo, les actions et les sports, et les utilisateurs peuvent définir les niveaux de raisonnement sur Instantané, Moyen ou Élevé.

Traduction en temps réel et écoute silencieuse

Lors d'une démonstration, l'ingénieur de recherche Yuchen Zhang a parlé en chinois pendant que GPT-Live-1 traduisait ses mots en anglais en temps réel, l'une des fonctionnalités qu'OpenAI espère élargir pour séduire un public plus large. Le modèle peut également rester silencieux pendant de longues périodes, absorbant le contexte jusqu'à ce qu'on s'adresse à lui, et répond à une phrase de réveil, « Hey Chat » lors de la démo.

OpenAI affirme que GPT-Live-1 et son petit frère ont surpassé le précédent Mode Vocal Avancé dans des conversations test de 5 à 10 minutes et ont réalisé de grandes avancées en matière de raisonnement scientifique et de benchmarks de recherche agentique sur le web.

Déploiement et ambitions

GPT-Live-1 devient le mode vocal par défaut pour les niveaux Go, Plus et Pro de ChatGPT, tandis que les utilisateurs gratuits bénéficient de GPT-Live-1 mini. Les modèles sont déployés sur iOS, Android et le web à partir d'aujourd'hui, remplaçant le Mode Vocal Avancé. Plus de 150 millions de personnes utilisent déjà la Voix et la Dictée de ChatGPT chaque semaine, a déclaré l'entreprise, et Eleti a décrit la voix comme la future interface principale pour l'informatique agentique :

Avec le temps, nous pensons que cela permettra également d'utiliser la voix comme une sorte d'interface principale pour l'informatique, et de gérer des travaux agentiques de plus en plus complexes et de longue durée.