OpenAI a lancé GPT-Live mercredi, introduisant deux nouveaux modèles vocaux qui remplacent le mode vocal avancé existant. Les modèles GPT-Live-1 et GPT-Live-1 mini permettent d’écouter et de parler simultanément, imitant la conversation humaine. GPT-Live-1 est la valeur par défaut pour les utilisateurs payants des niveaux Go, Plus et Pro, tandis que GPT-Live-1 mini est destiné aux utilisateurs du niveau gratuit.
Le déploiement commence à l’échelle mondiale sur iOS, Android et ChatGPT.com. OpenAI prévoit d’intégrer les modèles dans son API pour les développeurs. GPT-Live représente la troisième génération de la technologie vocale de ChatGPT développée en deux ans.
La fonctionnalité clé de GPT-Live est une « architecture full-duplex », permettant un traitement audio en temps réel tout en générant des réponses. “Au lieu de traiter une séquence de messages séparés, GPT-Live traite en continu les entrées tout en générant une sortie”, a déclaré OpenAI dans un article de blog. Cela permet des accusés de réception conversationnels du type « mhmm » et évite les interruptions lors des échanges.
Le précédent mode vocal avancé, lancé en septembre 2024, fonctionnait sur des échanges rigides tour à tour, créant des frustrations dans l’expérience utilisateur. Le bruit de fond pourrait déclencher des réponses prématurées, affectant le flux de la conversation.
GPT-Live sépare également l’interaction vocale du raisonnement en déléguant les requêtes complexes à un modèle d’arrière-plan, à savoir GPT-5.5, tout en poursuivant la conversation de manière transparente. “Pendant que cela fonctionne, GPT-Live peut continuer à parler avec vous et maintenir le flux de la conversation”, a expliqué OpenAI.
La voix originale de ChatGPT, lancée en 2023, reposait sur un pipeline complexe qui introduisait une latence et une perte d’informations entre les modèles. Cette configuration a été affinée dans le mode vocal avancé, qui tentait de rationaliser le processus mais entraînait néanmoins des pauses et des interruptions gênantes.
OpenAI cherche à atténuer les inquiétudes suscitées par les controverses passées concernant l’usurpation d’identité vocale, en particulier celles provenant de la voix de “Sky” ressemblant à celle de l’actrice Scarlett Johansson. La société a souligné que GPT-Live évite l’usurpation d’identité et intègre des garanties contre l’imitation des voix de vraies personnes.
Actuellement, plus de 150 millions d’utilisateurs interagissent chaque semaine avec les fonctionnalités vocales de ChatGPT, sur un total de 900 millions d’utilisateurs actifs. Avec GPT-Live, les utilisateurs peuvent accéder à des cartes visuelles riches et choisir entre trois niveaux de raisonnement de réponse : instantané, moyen et élevé. Le système promet également des performances améliorées dans la gestion du bruit de fond et des interruptions des utilisateurs lors des conversations.
Les mesures de sécurité ont évolué parallèlement aux nouveaux modèles. OpenAI a mené des évaluations approfondies, démontrant les performances améliorées de GPT-Live dans des catégories telles que l’automutilation et les discours de haine, abordant les risques uniques associés aux interactions vocales en temps réel.
Alors qu’OpenAI fait progresser sa technologie vocale, des concurrents comme Google, ByteDance et Nvidia ont également récemment lancé leurs propres systèmes full-duplex. GPT-Live manque actuellement de certaines fonctionnalités telles que l’interaction vidéo ou le partage d’écran, qui deviennent la norme dans les offres d’IA vocale.
Dans l’ensemble, GPT-Live représente une avancée significative pour OpenAI car il positionne la voix comme couche d’interaction principale pour l’intelligence artificielle, visant des capacités plus naturelles et plus agents dans la communication de l’IA.
