Aller au contenu

IA

ChatGPT écoute enfin pendant qu'il parle. Coupe-lui la parole

GPT-Live-1 et GPT-Live-1 mini, les nouveaux modèles vocaux d'OpenAI, sont full-duplex : ils parlent et écoutent en même temps. L'ancien pipeline vocal en trois morceaux a du plomb dans l'aile.

Photo de couverture : Jernej Furman from Slovenia / CC BY 2.0

TL;DR

  1. OpenAI lance GPT-Live-1 et GPT-Live-1 mini, des modèles vocaux full-duplex qui parlent et écoutent simultanément.
  2. GPT-Live-1 mini remplace par défaut le mode vocal avancé de ChatGPT ; les offres payantes ont droit au modèle plus costaud.
  3. Le gros du boulot (recherche, raisonnement) est confié à des modèles texte plus récents, comme GPT-5.5.

Ce qui s'est passé

OpenAI a sorti deux modèles vocaux conversationnels : GPT-Live-1 et GPT-Live-1 mini. Selon l'entreprise, ils sonnent plus naturel et gèrent mieux les tours de parole que leurs prédécesseurs.

Le mot-clé, c'est full-duplex. Les modèles parlent et écoutent en même temps. Tu peux donc couper la parole, comme tu le ferais avec un humain qui vient d'entamer une très longue histoire. D'après OpenAI, ça ouvre aussi la porte à des fonctions comme la traduction en direct.

Le déploiement est simple. GPT-Live-1 mini remplace par défaut le mode vocal avancé (Advanced Voice Mode) dans ChatGPT. Les abonnés payants peuvent aussi accéder au GPT-Live-1, plus gros.

L'ancien système, c'était un relais de trois modèles distincts : un modèle speech-to-text pour te transcrire, un grand modèle de langage pour rédiger la réponse, et un modèle text-to-speech pour la lire à voix haute. Chaque passage de témoin, c'était une occasion de te couper la parole ou de sortir une bêtise.

Lors d'un point presse, OpenAI a expliqué que les nouveaux modèles corrigent précisément ces défauts : couper l'utilisateur en pleine réflexion, et manquer de jugeote pour répondre aux questions. Quand une demande nécessite de la recherche, du raisonnement ou du travail d'agent, le modèle vocal la transmet aux derniers modèles texte d'OpenAI, comme GPT-5.5, tout en gardant la conversation en cours.

OpenAI a aussi montré le modèle rester muet un long moment, à absorber le contexte de la discussion jusqu'à ce qu'on l'appelle. Une IA silencieuse qui écoute sagement. Rien d'inquiétant, sapiens.

Pourquoi ça compte

Les assistants vocaux ressemblaient surtout à des talkies-walkies : tu parles, tu attends, il parle, tu attends. Le full-duplex supprime l'attente. La conversation cesse d'être une suite de tours de parole et commence à ressembler à une vraie conversation.

Le changement d'architecture compte autant que l'ambiance. Un seul modèle qui écoute et parle, avec un modèle texte en cerveau de secours, c'est un design différent du pipeline en chaîne. Moins de passages de relais, ce sont moins d'occasions de marcher sur ta phrase.

Notre lecture : si les démos en direct tiennent la route au quotidien, les autres assistants vocaux devront répondre. Mais les promesses des éditeurs restent des promesses tant que tu n'as pas discuté avec la bête pendant une semaine.

L'ancien mode vocal, c'était trois modèles dans un trench-coat. Le nouveau essaie d'être un seul modèle.

Qu'est-ce que tu en fais

  • Ouvre le mode vocal et interromps-le.Coupe-le en pleine réponse et regarde s'il lâche vraiment la parole sans perdre le fil.
  • Teste la traduction en direct.Si tu travailles en plusieurs langues, essaie-la sur une vraie conversation avant de lui confier quoi que ce soit d'important.
  • Compare les deux modèles.Si tu es abonné, pose la même question difficile à GPT-Live-1 et à la version mini, et observe où la taille fait la différence.
  • Surveille le passage de relais.Pose une question qui demande de la recherche ou du raisonnement et vérifie si la réponse s'améliore quand le modèle vocal la confie à un modèle texte.

Ciao, sapiens. Entraîne tes interruptions tant qu'il te laisse gagner.