Con Gpt-Live, OpenAI passa a un'architettura full-duplex che ascolta e risponde in contemporanea, come in una vera conversazione. Il debutto arriva nella stessa settimana di Gpt-5.6 e del nuovo Grok di Elon Musk
Fino a poco fa, chi usava chiacchierava con ChatGpt attraverso la modalità vocale aveva imparato un trucco non scritto: se non si parla, non si fanno domande al chatbot, meglio disattivare il microfono. Basta una mezza parola o la frase di qualcun altro nella stanza per convincere l'assistente che l'utente avesse altro da chiedere, spingendolo a interrompere la risposta o ricominciare da capo. Il problema non riguardava solo OpenAI: qualsiasi assistente vocale che si affida al rilevamento del silenzio per capire quando l'interlocutore ha concluso il proprio turno rischia di scambiare una pausa per riflettere, o semplicemente un rumore di fondo, per la fine della frase. OpenAI prova ora a chiudere questo capitolo con Gpt-Live, la nuova generazione di modelli vocali annunciata questa settimana e già in distribuzione su iOS, Android e sul sito web ChatGpt.com.
La modalità vocale avanzata introdotta con Gpt-4o aveva già unito in un solo modello i compiti che prima venivano svolti da tre sistemi separati - uno per trascrivere il parlato, uno per generare la risposta, uno per riconvertirla in audio - riducendo i tempi di attesa. Restava però un limite strutturale: il modello lavorava comunque a turni distinti, in attesa che l'utente smettesse di parlare, ed era proprio questo meccanismo basato sul silenzio a produrre le interruzioni fuori luogo e rendere il dialogo artificioso e a volte frustrante. Gpt-Live cambia impostazione con un'architettura che OpenAI definisce full-duplex: il modello elabora in continuazione l'audio in ingresso mentre genera la propria risposta, decidendo più volte al secondo se parlare, restare in ascolto, fare una pausa o lasciare spazio all'utente. Il risultato, secondo l'azienda, è che il sistema può attendere in silenzio se chi parla si ferma solo per pensare, e inserire piccoli segnali di attenzione - un «mh-mh», un «sì» - senza spezzare il filo del discorso.
