GPT-Live: il modello vocale OpenAI che parla e ascolta in contemporanea

OpenAI ha presentato GPT-Live, una nuova generazione di modelli vocali progettata per rendere le conversazioni con l’intelligenza artificiale molto più vicine a quelle reali tra persone. La novità entra subito in produzione: da oggi, quando si apre ChatGPT e si tocca il pulsante Voce, ci si trova davanti a un’esperienza costruita interamente su questa architettura.

Come funziona GPT-Live: full-duplex e delega ai modelli di frontiera

Il punto di rottura rispetto alle generazioni precedenti sta nell’architettura full-duplex: GPT-Live può ascoltare e parlare allo stesso tempo, senza aspettare che l’utente finisca di parlare per elaborare una risposta. Il modello prende decisioni molte volte al secondo, valutando se parlare, aspettare, fare una pausa o interrompere. Questo consente scambi più fluidi, incluse risposte brevi di ascolto attivo come “mh-mh” o “capito”, che segnalano all’utente che il modello sta seguendo.

I sistemi vocali precedenti lavoravano per turni distinti. La versione originale di ChatGPT Voce concatenava tre modelli separati (trascrizione, generazione testo, sintesi vocale), con perdita di informazioni e alta latenza. La modalità vocale avanzata aveva ridotto la latenza integrando tutto in un unico modello, ma aspettava comunque che l’utente smettesse di parlare prima di rispondere, rendendo le pause naturali una fonte di fraintendimenti.

GPT-Live introduce anche un sistema di delega in background: quando una domanda richiede ricerca web, ragionamento approfondito o capacità agentiche, il modello affida il compito a un modello di frontiera separato, al lancio GPT-5.5, e mantiene viva la conversazione nel frattempo. Il modello usato in background verrà aggiornato automaticamente con i nuovi rilasci di OpenAI.

Nel frattempo OpenAI l’azienda sta costruendo un’infrastruttura di calcolo proprietaria con il chip Jalapeño, e la spinta verso l’indipendenza computazionale è direttamente collegata alla capacità di sostenere modelli di questa complessità.

La nuova esperienza ChatGPT Voce: cosa cambia in pratica

La nuova interfaccia vocale porta con sé quattro cambiamenti concreti:

• Conversazioni più naturali: si può interrompere ChatGPT con una domanda, fare una pausa senza che il modello intervenga, o chiedere di rallentare. Le nove voci disponibili sono state rimasterizzate per GPT-Live.
• Risposte più intelligenti: ChatGPT Voce può ora attingere ai modelli di frontiera più recenti. L’utente può scegliere tra tre livelli di ragionamento: Immediato, Medio e Alto.
• Ascolto migliorato: il modello gestisce meglio il rumore di fondo e aspetta che l’utente finisca di pensare prima di intervenire, riducendo le interruzioni involontarie.
• Risposte visive: durante le conversazioni vocali, ChatGPT può mostrare schede visive per meteo, mercati finanziari, risultati sportivi e altri argomenti strutturati.

OpenAI comunica che ogni settimana oltre 150 milioni di persone usano le funzionalità vocali di ChatGPT. La nuova esperienza è disponibile da oggi su iOS, Android e ChatGPT.com.

Sul fronte della distribuzione: GPT-Live-1 diventa il modello predefinito per gli utenti Go, Plus e Pro, mentre GPT-Live-1 mini è quello assegnato agli utenti Free. Le versioni precedenti, inclusa la modalità vocale avanzata, restano accessibili. Video e condivisione dello schermo non sono ancora supportati in questa versione, ma sono in sviluppo.

Sicurezza e protezioni specifiche per la voce

OpenAI descrive un approccio alla sicurezza costruito in modo specifico per il contesto vocale, che presenta rischi diversi rispetto alla chat testuale. Le aree monitorate includono autolesionismo, dipendenza emotiva, contenuti violenti o sessuali, psicosi e mania. Il modello è stato sottoposto a red teaming interno e a valutazioni audio native, oltre a test sintetici costruiti con audio generato.

Sono state integrate protezioni attive che possono intervenire mentre il modello sta ancora parlando: il sistema può riorientare la risposta, aggiungere risorse di supporto o chiudere la sessione nei casi a rischio più elevato. Per le conversazioni che toccano l’autolesionismo, sono disponibili flussi di supporto adattati alla voce, inclusi riferimenti a linee di crisi verificate.

Per gli utenti adolescenti, i genitori possono scegliere tramite controllo parentale se consentire l’accesso a ChatGPT Voce. In situazioni che segnalano possibile autolesionismo o intento suicidario, i genitori collegati possono ricevere una notifica. OpenAI ha inoltre dichiarato che avvierà un monitoraggio di lungo periodo sulla dipendenza emotiva, basandosi sulle ricerche già condotte in materia di uso affettivo dell’AI.

Questo tema si intreccia con una questione più ampia già documentata: la ricerca sulle spirali psicologiche innescate dai chatbot AI mostra che il rischio non è teorico, e OpenAI sembra volerlo affrontare con strumenti strutturali invece che con sole linee guida, in continuità con la decisione di avvisare le autorità in caso di minacce reali (presa all’indomani della tragedia in Canada) e di introdurre il contatto di fiducia.

The Clipboard

The Clipboard è una pubblicazione tech italiana indipendente fondata da Enrico Andreoli e Niccolò Proietti Savina, due blogger che vivono il settore tech da oltre 15 anni. Copriamo intelligenza artificiale, hardware, economia della tecnologia, privacy digitale e cultura internet con un approccio editoriale che privilegia l’analisi e la spiegazione piuttosto che la notizia fine a sé stessa.