OpenAI lança GPT-Live-1 para voz full-duplex a US$ 0,05 por minuto

{"resumo": "## O que foi lançado\n\nA OpenAI disponibilizou o GPT-Live-1 na API, levando para desenvolvedores que constroem aplicações de voz e fluxos de negócio o modelo de voz natural introduzido antes no ChatGPT. O modelo ouve e fala ao mesmo tempo, lida com interrupções e confirmações conforme elas acontecem e mantém a conversa em andamento enquanto raciocínio mais profundo ou ações rodam por modelos e ferramentas pareados, como GPT-6 Astra, Codex e ChatGPT Work.\n\n## Como funciona\n\nDiferente de agentes de voz tradicionais, que encadeiam reconhecimento de fala, um modelo de raciocínio e síntese de fala, o GPT-Live-1 processa áudio de entrada e de saída em conjunto. Segundo a OpenAI, isso evita latência e passagens frágeis entre etapas, que podem perder timing, contexto e ritmo da conversa. Desenvolvedores podem controlar tom, ritmo e estilo pelo prompt de sistema, escolher o próprio modelo de backend e o harness de agente, e usar transcrições de ASR, texto de resposta, enviesamento por palavra-chave, reconhecimento alfanumérico e detecção nativa de turno. O suporte a telefonia mira reservas, atualizações de pedido e atendimento ao cliente, e o modelo é projetado para lidar com ruído de fundo e silêncio sem falar por cima do usuário nem narrar cada passo.\n\n## Resultados iniciais e adoção\n\nOs primeiros resultados apontam para uma mudança acentuada na troca de turnos. A Speak relatou quase 80% menos interrupções do que com sistemas anteriores baseados em turnos, o que deu a estudantes de idiomas mais tempo para pensar. A OpenAI afirma que o GPT-Live-1 ganhou 30 pontos percentuais sobre o GPT-Realtime-2.1 no Full Duplex Bench e ficou em primeiro lugar no Tau3 quando pareado com o GPT-6 Astra em esforço de raciocínio médio. Entre os primeiros usuários estão Yelp Host, Speak, o Fin, da Intercom, e o Devin, da Cognition. Um cliente disse que a migração de um sistema em cascata reduziu seu código de voz em 80% e removeu 23 mil linhas usadas em conversas em tempo real com pacientes.\n\n## Preço, vozes e próximos passos\n\nO lançamento dá à OpenAI uma camada de voz na frente, que pode ficar acima de uma pilha de raciocínio escolhida e precificada à parte. O GPT-Live-1 custa US$ 0,05 por minuto na API, com as tarifas do modelo de backend e do harness de agente cobradas separadamente. Ele estreia com 12 vozes que cobrem sotaques, dialetos e idiomas, e o acesso a vozes personalizadas exige contato com a equipe de vendas. A OpenAI planeja adicionar mais vozes e idiomas e aponta empresas para o Presence, para fluxos em tempo real que podem usar sistemas da companhia, executar ações aprovadas e escalar para pessoas.", "hook": "A OpenAI lançou na API o GPT-Live-1, um modelo de voz que ouve e fala ao mesmo tempo e trata interrupções conforme elas acontecem. O custo é de US$ 0,05 por minuto, com o modelo de raciocínio por trás escolhido e cobrado separadamente. Entre os primeiros usuários estão Yelp, Speak, Intercom e Cognition.", "entities": ["OpenAI", "GPT-Live-1", "GPT-6 Astra"], "themes": ["ia-generativa-de-midia", "economia-de-tokens"], "story_key": "gpt-live-1-voz-full-duplex", "reasoning": {"story_key": "Fato central: lançamento do GPT-Live-1, modelo de voz full-duplex da OpenAI disponível na API.", "themes": {"ia-generativa-de-midia": "O lançamento é de um modelo de voz/áudio, enquadrado explicitamente na taxonomia como mídia generativa de voz.", "economia-de-tokens": "O preço de US$ 0,05 por minuto na API e a cobrança separada de modelo de backend e harness são parte explícita do fato."}, "entities": {"OpenAI": "Cria e lança o modelo, e é a atribuição dos números de benchmark citados.", "GPT-Live-1": "Modelo lançado, sujeito central do fato.", "GPT-6 Astra": "Modelo pareado citado no benchmark oficial de primeiro lugar no Tau3."}, "excluded": {"Speak": "Primeiro usuário citado como exemplo de adoção, menção secundária.", "Yelp": "Primeiro usuário citado como exemplo, menção secundária.", "Intercom": "Cita o Fin entre primeiros usuários; organização citada como exemplo.", "Cognition": "Cita o Devin entre primeiros usuários; exemplo de adoção.", "Devin": "Produto citado como usuário inicial, menção secundária.", "Fin": "Produto citado como usuário inicial, menção secundária.", "Codex": "Ferramenta pareada mencionada de passagem, não é sujeito do fato.", "ChatGPT Work": "Ferramenta pareada mencionada de passagem, menção secundária.", "GPT-Realtime-2.1": "Aparece apenas como referência de comparação em benchmark.", "Presence": "Produto apontado como encaminhamento futuro para empresas, menção secundária.", "TestingCatalog": "Veículo que publica a notícia."}}