Ir para o conteúdo principal
Português— Escolher um idioma
Menu

GPT-Live: A voz que ouve e fala simultaneamente

Aula 6 de 12 Atualizada a 5 de novembro de 2026 Intermediario
Nesta página
  1. Três gerações de voz
  2. Inteligência em segundo plano
  3. Disponibilidade no lançamento
  4. O que isto muda para os seus casos de uso
  5. A sua vez
  6. Pontos-chave

Estado em 5 de novembro de 2026. O GPT-Live 1 está disponível na API desde 10 de setembro de 2026, ao custo de 0,05 USD por minuto de sessão de voz. Duas vozes francesas, Brise e Sillage, foram adicionadas em 16 de outubro (Lição 10). No ChatGPT, a opção Live funciona agora com o GPT-Live-1.1 e o GPT-Live-1.1 Quip. Desde 9 de setembro, o modo de voz pode delegar perguntas difíceis ao GPT-5.6 ou ao GPT-6 Astra.

Em 8 de julho de 2026, a OpenAI lançou o GPT-Live, uma nova geração de modelos de voz que agora alimenta o ChatGPT Voice. Não se trata apenas de uma atualização do motor existente; é uma mudança arquitetural fundamental. Para compreender o que este novo sistema traz, é necessário analisar as arquiteturas que o precederam.

Três gerações de voz

A primeira versão do ChatGPT Voice encadeava três modelos: um para transcrever a sua fala em texto, um modelo de linguagem de grande dimensão para gerar a resposta e um motor de síntese de voz (text-to-speech) para produzir o áudio. Esta cascata permitiu-lhe, pela primeira vez, conversar com um modelo avançado, mas perdia informação em cada etapa, tornando as respostas lentas e entrecortadas.

O Advanced Voice Mode processava e gerava áudio num único modelo, reduzindo a latência. No entanto, continuava a operar turno a turno: o modelo esperava que terminasse de falar antes de responder. Como o fim de um turno era detetado pelo silêncio, uma pausa curta ou ruído de fundo podia levar o modelo a interromper no momento errado.

O GPT-Live utiliza uma arquitetura full-duplex: processa continuamente o que ouve enquanto fala, decidindo várias vezes por segundo se deve falar, ouvir, fazer uma pausa, interromper-se a si próprio ou acionar uma ferramenta. Na prática, pode demonstrar que está a acompanhar («mhmm», «sim») sem o interromper, gerir trocas rápidas ou manter-se em silêncio enquanto reflete.

Três gerações de voz Três colunas. Cascata: transcrição, modelo de linguagem e, em seguida, síntese de voz; respostas lentas e perda de informação. Turno a turno: modelo de áudio único, mais fluido, mas espera pelo fim do turno e interpreta mal as pausas. Full-duplex, GPT-Live: ouve e fala simultaneamente, delegando trabalho difícil a um modelo mais potente. DA CASCATA AO FULL-DUPLEX Três gerações de voz Cascata Princípio Três modelos em cadeia Limitação Lento, perdas entre elos Turno a turno Princípio Modelo de áudio único Limitação Espera pelo fim do turno Full-duplex Princípio Ouve e fala ao mesmo tempo Vantagem Delega trabalho difícil
Com base no anúncio «Introducing GPT-Live» (OpenAI, 8 de julho de 2026).

Inteligência em segundo plano

O GPT-Live não executa tarefas difíceis sozinho. Quando uma pergunta requer pesquisa na web, raciocínio profundo ou uma tarefa complexa, delega o trabalho a um modelo mais potente e reintegra o resultado na conversa assim que estiver pronto. Entretanto, continua a conversar consigo; a conversa não congela. No lançamento, este modelo de segundo plano era o GPT-5.5, e a OpenAI indicou que adotaria novos modelos à medida que fossem lançados. Desde 9 de setembro, o ChatGPT Voice pode contar com o GPT-5.6 ou o GPT-6 Astra.

Disponibilidade no lançamento

ElementoEm 8 de julho de 2026
ModelosGPT-Live-1 para planos pagos, GPT-Live-1 mini para o plano Gratuito
ChatGPTImplementado em chatgpt.com e nas aplicações para iOS/Android em regiões suportadas
Workspaces Business, Enterprise e EduNão disponíveis no lançamento
Vídeo e partilha de ecrãNão suportados; permaneceram disponíveis via Advanced Voice Mode
APIAnunciada para mais tarde, com um formulário de inscrição

Em 31 de julho, a OpenAI adicionou uma marca d’água SynthID ao conteúdo de áudio suportado gerado com o GPT-Live, tanto no ChatGPT como na API, juntamente com uma ferramenta de verificação de proveniência.

O que isto muda para os seus casos de uso

Para formação, apoio ao cliente por voz ou assistência mãos-livres, o full-duplex elimina o principal problema dos assistentes de voz: a rigidez da troca de turnos. Um formador que utilize a voz para simular uma entrevista pode agora recuperar o ritmo de uma conversa real, com interrupções, acompanhamentos e silêncios. Atualmente, encontra estas definições em Definições > Voz, que oferece três opções: Live, Advanced Mode e Standard Mode. O vídeo e a partilha de ecrã em dispositivos móveis ainda exigem o Advanced Mode.

A sua vez

Teste a conversa contínua. No ChatGPT Voice, com a opção Live ativada, experimente estes três cenários: interrompa a resposta a meio de uma frase, faça uma longa pausa para pensar e faça uma pergunta que exija uma pesquisa na web enquanto continua a falar durante a sua execução. Observe como a conversa reage em cada caso e repita o teste utilizando o Advanced Mode para comparar.

Fontes oficiais: Introducing GPT-Live (OpenAI, 8 de julho de 2026) · Notas de lançamento do ChatGPT · ChatGPT Voice (Centro de Ajuda da OpenAI) · GPT-Live 1 (Documentação da API da OpenAI)

Pontos-chave

  • O GPT-Live é full-duplex: ouve e fala simultaneamente, sem esperar que o seu turno termine
  • Delega perguntas difíceis a um modelo mais potente e continua a falar entretanto
  • No lançamento: GPT-Live-1 para planos pagos, GPT-Live-1 mini para o plano Gratuito, sem vídeo nem workspaces profissionais
  • A API abriu em 10 de setembro de 2026; no ChatGPT, configure o Live em Definições > Voz