Presentiamo GPT‑Live

Stiamo lanciando GPT‑Live, una nuova generazione di modelli vocali che rende parlare con l’IA molto più simile a una vera conversazione.

GPT‑Live si basa su un’architettura full-duplex, cioè può ascoltare e parlare allo stesso tempo. Durante le conversazioni, GPT‑Live può mostrare che sta prestando attenzione con espressioni come "mh-mh" o "sì", partecipare a scambi rapidi o semplicemente restare in silenzio quando hai bisogno di un momento per pensare. Il risultato è un’esperienza vocale con cui è sorprendentemente facile parlare.

GPT‑Live è anche il nostro modello vocale ad oggi più intelligente. Per le domande che richiedono ricerca web, ragionamento più profondo o lavori più complessi, delega dietro le quinte ai nostri più recenti modelli di frontiera e riporta il risultato nella conversazione quando è pronto. Mentre lavora, GPT‑Live può continuare a parlare con te e mantenere il flusso della conversazione. Al lancio, GPT‑Live userà GPT‑5.5 in background. Man mano che rilasceremo nuovi modelli di frontiera, aggiorneremo continuamente il modello usato da GPT‑Live.

Questi progressi alimentano una nuova esperienza ChatGPT Voce, più intelligente e naturale da usare. Nel tempo, crediamo che questa ricerca sbloccherà anche la possibilità di usare la voce per attività sempre più complesse, di lunga durata e con maggiori capacità agentiche.

Da oggi iniziamo a distribuire a livello globale agli utenti ChatGPT due versioni di GPT‑Live: GPT‑Live‑1 e GPT‑Live‑1 mini. Prevediamo inoltre di portarle presto nell’API; sviluppatori e aziende possono iscriversi per ricevere aggiornamenti usando questo modulo⁠.

La nostra visione è rendere possibile un’interazione uomo-IA davvero naturale: un mondo in cui collaborare con l’IA sia fluido e reattivo quanto lavorare con un’altra persona, mentre il ragionamento e l’esecuzione di attività complesse avvengono senza interruzioni in background.

Le generazioni precedenti di sistemi di IA vocale ci hanno avvicinato a questa visione, ma con compromessi importanti.

I sistemi vocali a cascata si basano su una serie di modelli che agiscono uno dopo l’altro per elaborare ogni turno. La versione originale di ChatGPT Voce concatenava tre modelli: un modello speech-to-text per trascrivere il parlato, un modello linguistico di grandi dimensioni per produrre una risposta e un modello text-to-speech per riconvertirla in voce. Questo approccio ci ha permesso per la prima volta di parlare con modelli di IA di frontiera, ma la complessità aveva un costo: le informazioni potevano andare perse tra un modello e l’altro, e le risposte erano lente e innaturali.

I modelli vocali a turni come la modalità vocale avanzata di ChatGPT elaboravano e generavano audio all’interno di un unico modello, riducendo la latenza e rendendo le conversazioni più fluide, ma funzionavano comunque per turni distinti. Il modello doveva aspettare che l’utente smettesse di parlare prima di rispondere, producendo scambi rigidi. Inoltre, poiché il rilevamento del turno si basa sul silenzio, anche una breve pausa o un rumore di fondo potevano essere scambiati per la fine del turno, portando il modello a interrompere in momenti innaturali.

GPT‑Live affronta queste limitazioni con due cambiamenti architetturali.

Anzitutto, abbiamo progettato GPT‑Live per l’interazione continua usando un’architettura full-duplex. Invece di elaborare una sequenza di messaggi separati, GPT‑Live elabora continuamente l’input mentre genera l’output. Il modello può quindi prendere decisioni sull’interazione molte volte al secondo: parlare, continuare ad ascoltare, fare una pausa, interrompere o invocare uno strumento.

Questo permette al modello di partecipare a scambi più naturali, mantenere una migliore percezione del tempo e persino eseguire traduzioni in tempo reale.

In secondo luogo, abbiamo separato GPT‑Live, che gestisce l’interazione continua, dal lavoro più approfondito. Quando una domanda richiede ricerca, ragionamento o capacità più agentiche, GPT‑Live può delegare l’attività a un altro modello, come GPT‑5.5. Questo gli consente di mantenere viva la conversazione anche mentre gestisce più attività in background.

Questo cambiamento architetturale consente inoltre a GPT‑Live di usare continuamente i modelli e gli agenti più recenti, combinando intelligenza di frontiera e interazione naturale.

Abbiamo creato nuove valutazioni umane per misurare la gradevolezza e il flusso della conversazione. In questi confronti diretti, GPT‑Live‑1 e GPT‑Live‑1 mini sono nettamente preferiti alla modalità vocale avanzata in conversazioni comparabili di 5–10 minuti che misurano preferenza complessiva, alternanza dei turni, interruzioni, flusso conversazionale e naturalezza percepita di ogni interazione.

• GPQA: GPT‑Live‑1 supera nettamente la modalità vocale avanzata su GPQA, che valuta il ragionamento scientifico a livello di esperti in biologia, chimica e fisica.
• BrowseComp: GPT‑Live‑1 mostra forti miglioramenti rispetto alla modalità vocale avanzata su BrowseComp, che valuta la ricerca web agentica e la capacità di trovare informazioni difficili da individuare.
• τ³-Voice Telecom**: GPT‑Live‑1 supera la modalità vocale avanzata su τ³-Voice Telecom, che valuta gli agenti vocali in attività realistiche di assistenza telecom multi-turno.

Ogni settimana, oltre 150 milioni di persone parlano con ChatGPT usando funzionalità come Voce e Dettatura. Lo usano per ricevere aiuto quotidiano senza usare le mani, esercitarsi con le lingue, farsi raccontare storie della buonanotte o semplicemente chiacchierare durante gli spostamenti.

Da oggi, quando tocchi il pulsante Voce per parlare con ChatGPT, avrai un’esperienza migliorata basata su GPT‑Live: conversazioni più naturali, risposte più intelligenti, un ascolto migliore e risposte visive.

Parlare con ChatGPT dovrebbe ora sembrare molto più simile a una vera conversazione. Puoi interromperlo con una domanda, fare una pausa per raccogliere le idee o chiedere a ChatGPT di rallentare. Risponde in modo naturale a ciò che dici con espressioni come "mh-mh" o "capito", così sai che ti sta seguendo. Abbiamo anche rimasterizzato le nove voci distinte di ChatGPT per GPT‑Live.

ChatGPT Voce può ora attingere ai nostri più recenti modelli di frontiera, offrendoti risposte più intelligenti quando ne hai bisogno. Puoi anche scegliere il livello di ragionamento più adatto alle tue esigenze: Immediato per risposte rapide, oppure Medio e Alto quando vuoi che ChatGPT dedichi più tempo a pensare.

Se ti prendi un momento per pensare, ChatGPT Voce ora aspetta invece di intervenire e interromperti. Se gli chiedi di restare in silenzio e ascoltare, lo farà. E quando c’è rumore di fondo, come traffico di passaggio o conversazioni nelle vicinanze, ChatGPT riesce meglio a concentrarsi sulla tua voce senza distrarsi.

Alcune risposte sono più utili quando puoi vederle. Mentre parli, ChatGPT può ora mostrare schede visive ricche per argomenti come meteo, azioni, sport e altro ancora. Voce continua inoltre a supportare ricerca, memoria, immagini e caricamenti di file.

Il risultato è un’esperienza ChatGPT Voce più naturale, più capace e più utile nella vita di tutti i giorni.

GPT‑Live è stato progettato per essere sicuro per impostazione predefinita. Si basa sui progressi in materia di sicurezza dei nostri modelli più recenti e aggiunge un addestramento dedicato alla sicurezza nelle principali aree di rischio, oltre a nuove protezioni pensate specificamente per la voce.

Per rispecchiare meglio il modo in cui le persone usano la voce in contesti reali, abbiamo iniziato ampliando i nostri test di sicurezza per includere nuove valutazioni audio native. Abbiamo anche creato valutazioni sintetiche che usano audio generato per concentrarsi in modo più intensivo sulle principali aree di sicurezza, facendo tesoro di quanto appreso dalla modalità vocale avanzata. Queste aree includono autolesionismo, psicosi e mania, dipendenza emotiva dall’IA, violenza e contenuti sessuali. Anche esperti interni hanno sottoposto il modello a red teaming per rischi specifici delle interazioni vocali.

Nei nostri test, GPT‑Live ha ottenuto risultati comparabili o superiori alla modalità vocale avanzata in quasi tutte le aree valutate. Puoi leggere di più sui nostri test e sulle protezioni nella scheda di sistema⁠(si apre in una nuova finestra) di GPT‑Live.

Poiché le conversazioni vocali si svolgono in tempo reale, abbiamo integrato anche protezioni che possono intervenire mentre il modello sta parlando. Quando il sistema rileva un output potenzialmente non sicuro, può orientare il modello verso una risposta più sicura, mostrare ulteriori messaggi o risorse di sicurezza oppure terminare la conversazione vocale nei casi a rischio più elevato. Per le conversazioni che riguardano l’autolesionismo, abbiamo adattato alla voce i flussi di supporto di ChatGPT, inclusa l’offerta di assistenza tramite linee di crisi verificate da esperti.

Abbiamo progettato protezioni aggiuntive per supportare gli utenti adolescenti e addestrato direttamente nel modello comportamenti adeguati all’età, per ridurre il rischio di risposte inappropriate. I genitori possono scegliere, tramite il controllo parentale, se i propri figli adolescenti possono usare ChatGPT Voce; i genitori collegati possono ricevere una notifica nelle situazioni a rischio più elevato che coinvolgono segnali di possibile autolesionismo o intento suicidario.

Stiamo inoltre introducendo misurazioni di lungo periodo e monitoraggio post-lancio incentrati sulla dipendenza emotiva, per continuare a migliorare la nostra comprensione e perfezionare le protezioni. Basandoci sulle nostre ricerche precedenti su uso affettivo e benessere emotivo, questo ci aiuterà a individuare schemi emergenti e a migliorare il modo in cui il sistema risponde nelle interazioni emotivamente sensibili.

Infine, GPT‑Live è progettato per la conversazione, non per l’impersonificazione vocale. Usa un insieme di voci predefinite in ChatGPT, con protezioni per impedirgli di imitare la voce di una persona reale.

Ci impegniamo a sostenere sicurezza e benessere e continueremo a rafforzare queste protezioni man mano che impariamo dall’uso in contesti reali.

GPT‑Live è ora in distribuzione per gli utenti ChatGPT di tutto il mondo su iOS, Android e ChatGPT.com⁠(si apre in una nuova finestra). GPT‑Live‑1 diventerà il modello predefinito alla base di ChatGPT Voce per gli utenti Go, Plus e Pro, mentre GPT‑Live‑1 mini diventerà quello predefinito per gli utenti Free. Maggiori dettagli sulla disponibilità sono disponibili nel nostro Centro assistenza⁠(si apre in una nuova finestra).

Abbiamo ottimizzato GPT‑Live per alcune delle lingue più diffuse in ChatGPT. Per alcune lingue, il modello potrebbe avere un accento non madrelingua o lacune nella fluidità. Stiamo lavorando attivamente per migliorare l’esperienza in tutte le lingue.

Al lancio, GPT‑Live non supporterà la voce con video o condivisione dello schermo in ChatGPT, ma stiamo lavorando per introdurre presto queste funzionalità. Puoi comunque accedere alle versioni legacy di ChatGPT Voce, incluse Standard e modalità vocale avanzata, dove queste funzionalità sono disponibili.