OpenAI a récemment présenté GPT-Live, une nouvelle génération de modèles vocaux pour ChatGPT Voice, qui repose sur une architecture full-duplex capable d’écouter et de parler simultanément, tout en déléguant des tâches complexes à GPT-5.5 dès son lancement.
ChatGPT a été le premier assistant à offrir une interaction vocale authentique grâce à son « Advanced Voice Mode » (AVM). Cette avancée a inspiré d’autres assistants à adopter des niveaux similaires d’interactivité. Cependant, des améliorations demeurent nécessaires dans ce domaine, comme le démontre OpenAI avec son dernier modèle.
Avec GPT-Live, OpenAI vise à transformer ChatGPT Voice en un véritable interlocuteur capable d’écouter, d’interrompre, d’attendre et de maintenir le fil d’une conversation naturelle.
Vers des discussions très naturelles
Malgré les progrès des assistants vocaux, ceux-ci fonctionnent souvent de manière séquentielle. L’utilisateur parle, le système attend la fin de la phrase, puis répond avec une latence, même lorsqu’il sait que l’utilisateur souhaite reprendre la parole. Cela entraîne des interruptions maladroites et des erreurs de détection, notamment en cas de bruits parasites.
GPT-Live utilise une architecture full-duplex, permettant au modèle d’écouter et de parler en même temps. Il peut ponctuer la conversation d’un « mhmm », rester silencieux pendant que l’utilisateur réfléchit, ou relancer rapidement le dialogue, cherchant ainsi à recréer la fluidité d’un échange humain.
Un modèle vocal qui délègue au bon cerveau
Une autre innovation significative est la capacité de GPT-Live à déléguer certaines tâches à un modèle plus puissant en arrière-plan. Lorsqu’une demande nécessite une recherche approfondie ou un raisonnement complexe, GPT-Live peut s’appuyer sur GPT-5.5, garantissant ainsi une réponse pertinente et à jour.
Cette séparation des rôles permet de maintenir une conversation fluide tout en gérant des tâches plus compliquées, offrant ainsi une expérience utilisateur améliorée.
ChatGPT Voice change de dimension
GPT-Live sera disponible dans deux variantes : GPT-Live-1, qui sera le modèle vocal par défaut pour les abonnés Go, Plus et Pro, et GPT-Live-1 mini, destiné aux utilisateurs gratuits. Le déploiement mondial débutera sur iOS, Android et ChatGPT.com, avec une intégration prévue dans l’API ultérieurement.
OpenAI met également en avant des réponses visuelles intégrées. Pendant les conversations, ChatGPT pourra afficher des cartes enrichies pour des informations pertinentes, combinant ainsi l’interaction vocale et visuelle.
Des garde-fous spécifiques à la voix
OpenAI souligne l’importance de la sécurité dans les échanges vocaux, qui peuvent présenter des risques tels que la dépendance émotionnelle ou l’imitation vocale. GPT-Live intègre des garde-fous pour intervenir si nécessaire durant les conversations.
Bien que certaines fonctionnalités, comme le partage d’écran et la vidéo, ne soient pas encore disponibles, l’annonce de GPT-Live marque une avancée significative vers une interaction continue avec l’IA.
À lire également :
Après Claude Fable 5, c’est au tour de GPT-5.6 d’obtenir le feu vert de Washington
Avec Jalapeño, OpenAI crée son propre silicium pour inférer ses IA
Après Anthropic, OpenAI aussi avance vers son IPO
Source : OpenAI
