Minha experiência com o modo de voz aprimorado do ChatGPT: Incrivelmente natural.

💡 As coisas mais importantes que você precisa saber

• O GPT-Live permite que você fale e ouça ao mesmo tempo, possibilitando interrupções e proporcionando uma experiência de conversação mais natural com respostas mais rápidas.
• Ele consegue lidar com tarefas complexas em segundo plano e fornecer tradução em tempo real enquanto você fala, ignorando o ruído de fundo.
• Você pode ajustar o nível de "inteligência" de voz do ChatGPT em três modos (instantâneo, médio e alto) para equilibrar a velocidade de resposta e a precisão.

A atualização mais recente do ChatGPT, agora disponível para todos os usuários, é o GPT-Live. A OpenAI o descreve como uma "nova geração" de modelos de voz para interagir com chatbots com inteligência artificial, e você poderá perceber que ele o incentiva a passar mais tempo conversando do que digitando, explorando assim os melhores recursos do ChatGPT.

A entrada de voz no ChatGPT não é novidade, mas historicamente tem sido uma camada relativamente básica sobre a entrada e saída de texto padrão. Ela tem sido descrita como uma forma mais natural de interagir com IA, mas o GPT-Live promete levar essa integração a um nível totalmente novo.

Pela primeira vez, o modo de áudio poderá processar informações em segundo plano enquanto a conversa continua. Ele também oferecerá espaço extra para pausas quando necessário e indicará que ainda está ouvindo com frases como "Hum" ou "Sim".

A atualização já deve estar disponível em dispositivos móveis e na web (ou muito em breve). Usuários da versão gratuita têm acesso ao GPT-Live-1 mini, enquanto assinantes de planos pagos têm acesso ao modelo GPT-Live-1 mais avançado.

Como funciona o GPT-Live?

O objetivo final da OpenAI é fazer com que conversar com o ChatGPT seja tão agradável quanto conversar com uma pessoa real, e o GPT-Live está cada vez mais perto de alcançar esse objetivo. Originalmente, a interação por voz com IA exigia um modelo específico para a conversão de fala em texto, outro para a resposta à consulta em si e mais um para a conversão de texto em fala.

O modelo de voz anterior do ChatGPT integrava tudo isso em um único modelo de IA, mas ainda funcionava por turnos: você falava, o chatbot respondia e você falava novamente. Com o GPT-Live, o ChatGPT pode falar e ouvir simultaneamente. Você pode interrompê-lo quando necessário, e as respostas devem ser mais rápidas e precisas.

O novo modo de voz foi projetado para ser mais inteligente na hora de reconhecer a diferença entre uma pausa no meio de um pensamento e a conclusão da sua pergunta. O modelo agora recalcula várias vezes por segundo se deve falar, continuar ouvindo, pausar, interromper ou acionar uma ferramenta.

Fonte: OpenAI

Uma vantagem adicional desta atualização é que até mesmo tarefas complexas e raciocínio profundo podem ser enviados aos servidores do ChatGPT em segundo plano, enquanto a conversa continua. Você também pode pedir ao ChatGPT para pausar ou diminuir a velocidade; e as respostas visuais também foram aprimoradas, de modo que você poderá ver, por exemplo, cartões pop-up com informações sobre localização, previsão do tempo e resultados esportivos.

Agora você também pode pedir ao GPT-Live para traduzir algo para um idioma estrangeiro enquanto fala. Graças a esses novos recursos, você ouvirá uma tradução instantânea no outro idioma enquanto estiver falando, sem pausas ou interrupções. Melhorias também foram feitas para filtrar ruídos de fundo (como trânsito ou conversas próximas).

Experiência GPT-Live

Para acessar o modo de áudio no aplicativo móvel, toque no ícone de onda sonora à direita da caixa de entrada. O novo modo é muito semelhante ao antigo, mas com esta atualização, você deverá ver a palavra "Ao Vivo" na parte superior da tela (pelo menos por enquanto; você pode tocar nela para voltar aos modelos anteriores).

Imediatamente, o modo de voz atualizado soa mais realista e natural. O ChatGPT falará de maneira variada e expressiva, adicionando dicas úteis como "Deixe-me verificar" sempre que estiver procurando algo. Ele também poderá hesitar e prolongar as palavras ocasionalmente.

Conversei com o GPT-Live por alguns minutos sobre filmes que estão por vir, partidas de futebol recentes e notícias de tecnologia, e recebi respostas respeitosas, concisas e lógicas (o modo de áudio continua sendo um refúgio para aqueles que não querem ver blocos de texto para cada resposta).

Três níveis de "inteligência" estão disponíveis para escolha. Fonte: OpenAI

Houve alguns momentos em que a conversa vacilou e parou, mas isso só aconteceu durante cerca de meia hora de bate-papo (e esses problemas devem ser corrigidos com o tempo). As interrupções também são gerenciadas de forma excelente, com a IA pausando para reconhecer o que você disse e, em seguida, retomando seu fluxo de pensamento.

Você pode ajustar o nível de inteligência que o ChatGPT aplica no novo modo de voz: clique no ícone do controle deslizante (canto superior direito) e, em seguida, clique em Inteligência . Três modos estão disponíveis para escolha — Instantâneo , Médio e Alto — com diferentes níveis de equilíbrio entre capacidade de resposta, detalhes e precisão.