OpenAI ha presentato GPT-Live, una nuova generazione di modelli vocali che sostituisce l’Advanced Voice Mode in ChatGPT. Il cambiamento più rilevante è architetturale: i modelli adottano un sistema full-duplex, capace di ascoltare e parlare allo stesso tempo. Fine dei turni rigidi, fine dei silenzi imbarazzanti, fine degli algoritmi che confondono una pausa con la fine di una frase.
Il lancio riguarda due varianti. GPT-Live-1 diventa il modello predefinito per gli utenti Go, Plus e Pro, mentre GPT-Live-1 mini è assegnato di default agli account gratuiti. Il rollout è partito oggi su iOS, Android e ChatGPT.com. Secondo OpenAI, ogni settimana oltre 150 milioni di persone usano le funzioni vocali e di dettatura di ChatGPT — una base utenti che ora riceve l’aggiornamento senza dover fare nulla.
Il problema che GPT-Live risolve è concreto. I modelli precedenti, compreso l’Advanced Voice Mode basato su GPT-4o, operavano a turni: il sistema aspettava che l’utente smettesse di parlare, poi generava la risposta. Un’interruzione ambientale, un attimo di riflessione, bastava a far scattare la risposta nel momento sbagliato. GPT-Live elabora l’audio in ingresso mentre produce audio in uscita, prendendo decisioni decine di volte al secondo: se parlare, continuare ad ascoltare, fare una pausa, o interrompere. Il modello può inserire brevi segnali di ascolto — un “mhmm”, un “capito” — oppure restare in silenzio se percepisce che l’utente sta raccogliendo le idee. Gli utenti possono anche usare la sveglia vocale “Hey Chat” per tenere il modello in ascolto passivo fino a quando non vengono interpellati.
La seconda innovazione riguarda l’intelligenza dietro la voce. I modelli precedenti erano meno capaci rispetto alla versione testuale di ChatGPT. GPT-Live risolve la questione separando il livello conversazionale da quello di ragionamento: quando arriva una domanda complessa, il modello vocale delega il compito a GPT-5.5 in background e continua a conversare mentre il modello più potente lavora. Il risultato arriva nella conversazione quando è pronto, senza lunghi silenzi. OpenAI ha specificato che il modello di backend verrà aggiornato man mano che usciranno nuovi modelli frontier. Al lancio sono disponibili tre livelli di ragionamento — Instant, Medium e High — a seconda della complessità della richiesta. GPT-Live introduce anche la traduzione simultanea in tempo reale, una funzione che con il vecchio sistema a turni era tecnicamente impraticabile, e schede visive con dati su meteo, azioni e sport che appaiono durante la conversazione.
Le prime reazioni degli utenti sono state divise. Da un lato, i test interni di OpenAI mostrano che GPT-Live-1 viene preferito all’Advanced Voice Mode nel 75,7% delle conversazioni da cinque a dieci minuti. Dall’altro, sui social sono già comparite segnalazioni di un eccesso di feedback brevi — i “mhmm” e i “got it” — percepiti come una nuova forma di interruzione, paradossalmente opposta al problema che il modello voleva risolvere. OpenAI non ha ancora pubblicato dati comparativi sulla latenza rispetto alla versione precedente. L’accesso API è previsto a breve, senza una data precisa: gli sviluppatori possono registrarsi per ricevere una notifica. Video e condivisione schermo non sono ancora supportati.
L’obiettivo dichiarato da Atty Eleti, product lead di ChatGPT Voice, va oltre la conversazione quotidiana: usare la voce come interfaccia principale per lavori complessi e lunghi, compresi quelli agentici. Il modello supporta già l’integrazione con CarPlay. Se la qualità della traduzione simultanea reggerà a lingue diverse dall’inglese — la demo in hindi ha mostrato limiti evidenti — e se gli sviluppatori adotteranno l’API su larga scala, GPT-Live potrebbe diventare l’infrastruttura su cui si costruisce la prossima generazione di assistenti vocali, dagli auricolari ai veicoli.
