ChatGPT Voice se dote de GPT Live pour des conversations en temps réel

OpenAI a mis à niveau ChatGPT Voice avec un nouveau système GPT Live qui apporte des conversations plus naturelles, une écoute et une parole simultanées, ainsi que des réponses plus intelligentes alimentées par ses derniers modèles d'IA. La mise à jour introduit GPT Live 1 et GPT Live 1 mini, remplaçant l'expérience vocale précédente pour les utilisateurs de différents niveaux d'abonnement. Le déploiement s'étend également à ChatGPT sur iOS, Android, le web et CarPlay. OpenAI affirme que le nouveau mode vocal prend en charge des interactions plus riches, des réponses visuelles et une gestion améliorée des conversations plus longues.

La mise à niveau GPT alimentée en direct arrive sur ChatGPT Voice dans le monde entier

Selon un communiqué de presse OpenAI, la société a présenté GPT Live, une nouvelle famille de modèles vocaux qui alimente désormais ChatGPT Voice. La mise à jour vise à rendre les interactions orales plus fluides tout en permettant à l'assistant de continuer à gérer des demandes complexes en arrière-plan. OpenAI a commencé à rendre GPT Live 1 et GPT Live 1 mini disponibles pour les utilisateurs de ChatGPT dans le monde entier, avec une disponibilité d'API prévue dans le futur.

Le nouveau système vocal utilise une architecture full-duplex qui lui permet d'écouter et de répondre simultanément. Au lieu d'attendre qu'un intervenant termine, le modèle traite en continu l'audio entrant et décide s'il faut répondre, mettre en pause, continuer à écouter, interrompre si nécessaire ou utiliser un autre outil. Cette approche permet des conversations plus rapides et prend également en charge des fonctionnalités telles que la traduction en direct.

OpenAI a déclaré que GPT Live sépare l'interaction vocale des tâches de traitement avancées. Lorsqu'une requête nécessite une recherche sur le Web, un raisonnement plus approfondi ou des capacités agentiques, le modèle vocal transfère la tâche à un autre modèle d'IA tout en poursuivant la conversation. La version initiale utilise GPT 5.5 comme modèle de raisonnement sous-jacent, bien qu'OpenAI ait déclaré que les futurs modèles frontier le remplaceront au fil du temps.

La société a déclaré que GPT Live remplace les technologies vocales antérieures qui dépendaient de modèles séquentiels de parole-texte, de langage et de texte-parole. Il succède également au mode vocal avancé au tour par tour, qui exigeait que les utilisateurs arrêtent de parler avant de recevoir une réponse et pouvait mal interpréter les pauses ou les bruits de fond comme la fin d'une conversation.

OpenAI a déclaré que les évaluations humaines ont montré que GPT Live 1 et GPT Live 1 mini donnaient de meilleurs résultats que le mode vocal avancé en termes de qualité globale des conversations. Les tests ont mesuré le flux conversationnel, les interruptions, la prise de tour, le naturel et les préférences des utilisateurs. L'entreprise a également annoncé des gains dans GPQA pour le raisonnement scientifique, BrowseComp pour la recherche web agentique et son benchmark interne de voix télécom.

L'expérience mise à jour de ChatGPT Voice permet des conversations plus naturelles en reconnaissant les pauses sans interruptions inutiles. Les utilisateurs peuvent interrompre l'assistant, lui demander de ralentir ou lui demander de rester silencieux jusqu'à ce qu'il en ait besoin. Le modèle peut également reconnaître qu'il écoute avec de brèves réponses verbales. OpenAI a également mis à jour les neuf voix ChatGPT intégrées pour GPT Live.

Le nouveau système peut accéder aux derniers modèles de frontière d'OpenAI pour produire des réponses plus performantes. Les utilisateurs peuvent choisir entre les modes de raisonnement instantané, moyen et élevé selon qu'ils préfèrent des réponses plus rapides ou un raisonnement plus approfondi. ChatGPT Voice peut également afficher des cartes visuelles pour des sujets tels que la météo, les actions et le sport tout en prenant en charge la recherche, la mémoire, la gestion des images et le téléchargement de fichiers.

OpenAI a déclaré que le mode vocal amélioré fonctionne mieux dans les environnements bruyants en se concentrant sur la parole de l'utilisateur. Il peut également attendre pendant des pauses plus longues au lieu de répondre immédiatement, ce qui rend les conversations moins rigides qu'auparavant.

La société a déclaré que GPT Live inclut des mesures de sécurité dédiées conçues pour les interactions vocales. Il a élargi les tests avec des évaluations audio et des scénarios synthétiques couvrant des domaines tels que l'automutilation, la psychose, la manie, la violence, le contenu sexuel et la dépendance émotionnelle à l'IA. Les équipes internes ont également effectué des tests en équipe rouge afin d'identifier les risques spécifiques aux conversations orales.

OpenAI a ajouté que GPT Live peut intervenir pendant les conversations s'il détecte des réponses potentiellement dangereuses. Selon la situation, cela peut orienter la conversation vers une réponse plus sûre, fournir des informations de sécurité supplémentaires ou mettre fin à l'interaction dans les cas à haut risque. Les conversations vocales impliquant de l'automutilation peuvent également présenter des ressources d'assistance en cas de crise évaluées par des experts. Le système inclut un comportement adapté à l'âge des adolescents, tandis que les contrôles parentaux permettent aux parents de gérer l'accès et de recevoir des notifications dans certaines situations à haut risque.

L'entreprise a déclaré qu'elle continuerait à surveiller la dépendance émotionnelle après le lancement afin d'améliorer ses mesures de protection au fil du temps. Il a également déclaré que GPT Live est conçu pour utiliser des voix ChatGPT prédéfinies et inclut des protections qui l'empêchent d'imiter la voix d'une personne réelle.

Le déploiement couvre ChatGPT sur Android, iOS, le web et l'interface CarPlay d'Apple. GPT Live 1 devient le modèle vocal par défaut pour les abonnés Go, Plus et Pro, tandis que GPT Live 1 mini est le modèle par défaut pour les utilisateurs Free. OpenAI a déclaré que les modèles ont été optimisés pour de nombreux langages largement utilisés, bien que certains langages puissent encore avoir des limitations d'accentuation ou de fluidité. La version initiale n'inclut pas les appels vidéo ou le partage d'écran en mode vocal, bien qu'OpenAI ait indiqué que ces capacités sont en cours de développement.