Open AI présente GPT-Live

Open AI présente une nouvelle génération de modèles vocaux capables de rendre les conversations avec l’intelligence artificielle encore plus naturelles et humaines. Il s’agit de GPT-Live.

« Une nouvelle génération de modèles vocaux pour une interaction naturelle entre humains et IA, désormais au cœur de ChatGPT Voix ».

Le lancement de GPT-Live

Open AI lance une nouvelle génération de modèles vocaux, GPT-Live, son modèle vocal le plus intelligent à ce jour. Son point fort est cependant que les conversations ressemblent plus que jamais à de véritables échanges.

Cela est possible grâce à une architecture full-duplex, capable d’écouter et de parler simultanément. Cette approche très différente des précédentes rend l’intelligence artificielle bien plus « humaine ». Pendant que nous parlons, le modèle montre son attention par des expressions humaines comme « hum-hum » ou « oui ».

L’expérience est entièrement différente. La conversation sera plus fluide et il sera bien plus facile de parler aux modèles.

Au lancement, GPT-Live utilisera GTP-5.5 en arrière-plan. Lors du lancement mondial il y a deux semaines environ, Open AI a proposé deux versions : GPT-Live 1 et GPT-Live 1 Mini.

Les approches précédentes

Comme indiqué, la grande nouveauté est l’approche conversationnelle, qui devient aussi naturelle et humaine que possible. Collaborer avec l’IA sera presque comparable à une collaboration avec une autre personne.

Pour comprendre la portée de cette nouveauté, examinons d’abord les approches précédentes.

Beaucoup de modèles de langage utilisent des systèmes vocaux en cascade, fondés sur des modèles intervenant successivement pour traiter chaque tour de parole. Ils produisaient des réponses lentes et peu naturelles, entrecoupées de longues pauses.

Les systèmes vocaux par tours sont ensuite arrivés. Ils réduisaient la latence en générant l’audio dans un modèle unique. Malgré des réponses plus rapides et fluides, la conversation reste rigide et peu naturelle.

La nouvelle approche de GPT-Live

Pour élaborer une approche entièrement différente, Open AI a étudié les problèmes antérieurs et tenté de les résoudre.

Pour créer une interaction continue et supprimer les pauses liées aux tours de parole, GPT-Live utilise une architecture full-duplex. Le modèle peut traiter des informations, et même parler, tout en continuant d’écouter. Il traite constamment l’entrée, même pendant qu’il génère une sortie.

La conversation conserve ainsi un rythme bien plus « humain », pour des échanges plus naturels.

Une autre révolution rend cela possible : GPT-Live délègue les travaux plus approfondis. Tandis qu’il gère l’interaction continue sans pauses, les questions complexes demandant recherches, raisonnements et capacités supplémentaires sont confiées à un autre modèle, ici ChatGPT-5.5. Les tâches complexes sont donc traitées en arrière-plan pendant que GPT-Live maintient la conversation.

ChatGPT Voix

Pour finir, parlons de ChatGPT Voix. Environ 150 millions de personnes interagissent chaque semaine avec ChatGPT grâce aux fonctions Voix et Dictée.

Elles peuvent ainsi recevoir de l’aide sans utiliser leurs mains pour écrire. Le modèle sert aussi à pratiquer les langues, écouter des histoires et converser simplement lorsque nous nous ennuyons.

Depuis l’introduction de GPT-Live, les échanges via le bouton Voix seront donc plus naturels et l’écoute nettement meilleure.