Em 23 de setembro, a OpenAI atualizou o modo de voz do ChatGPT com três mudanças de uma vez: a voz passa a acionar plugins como e-mail, calendário e Slack; a voz passa a rodar nos três modelos GPT-6, ou seja, Astra, Sol e Luna; e as versões web e mobile do ChatGPT Work também ganharam voz. O lançamento começou no mesmo dia.
Três mudanças
Plugins chegam à voz. Antes, usar um plugin exigia digitar; agora basta falar com o celular para o ChatGPT vasculhar a caixa de entrada, checar a agenda ou encontrar mensagens no Slack. Entre os aplicativos já conectados citados por vários veículos estão Gmail, Google Agenda e Slack.
Modelo à escolha. Os três modelos GPT-6 têm papéis diferentes: Astra é o mais potente, Sol fica no meio, Luna é o menor. O Astra já estava disponível havia algumas semanas, enquanto Sol e Luna foram atualizados do GPT-5.6 para o GPT-6 em 22 de setembro, e o modo de voz já os conectou aos três já no dia seguinte.
Chegada ao ChatGPT Work. O Work é o espaço de trabalho da OpenAI para tarefas de várias etapas, como documentos, planilhas, apresentações e sites; com a voz integrada, os usuários podem ditar o que precisam para gerar arquivos. Vaibhav Srivastav, funcionário da OpenAI, descreveu assim em uma rede social:
"Your email, calendar, Slack + docs, decks, sites and spreadsheets, just by talking."
Em resumo: e-mail, calendário, Slack, além de documentos, apresentações, sites e planilhas — tudo só de falar.
A comparação feita pelo 9to5Mac é que isso lembra o Codex no desktop, só que aparecendo em mais lugares.
Quais planos terão acesso à voz com plugins, se usuários gratuitos estão incluídos e se as ações de plugins acionadas por voz exigem confirmação item a item são pontos que o material público não esclarece.
De conversar a resolver
Ao juntar as atualizações de voz já noticiadas, dá para notar que o foco da OpenAI em voz está mudando. Em julho, o modo de voz do ChatGPT passou a usar o modelo de voz GPT-Live, com foco em full-duplex — ouvir e falar ao mesmo tempo, permitindo interrupções no meio da fala —, e as melhorias se concentraram no ritmo da conversa, quase sem alterar o que os usuários conseguiam fazer com ela.
Desta vez, a mudança está no modelo de raciocínio por trás e nas ferramentas que podem ser acionadas. A mesma porta de entrada "voz" deixou de ser uma ferramenta de conversa e passou a ser uma porta de operação capaz de mexer nos dados do usuário. Isso também traz novas questões de permissão: uma instrução falada de forma vaga que faz o assistente enviar um e-mail ou alterar uma agenda tem um custo de erro bem maior do que responder errado a uma pergunta.
O que isso significa para usuários na China
O ChatGPT não é oferecido oficialmente na China continental, e o Gmail e o Google Agenda, principais serviços conectados nesta atualização, também não são acessíveis diretamente por lá, então o impacto direto para o usuário comum na China continental é quase nulo.
Usuários de língua chinesa que trabalham no exterior e usam diariamente o pacote do Google e o Slack já podem aproveitar o recurso. Para equipes na China, uma direção de referência é: o assistente de voz deixou de conectar apenas a modelos e passou a ter permissões de leitura e escrita em sistemas de escritório como e-mail, calendário e mensagens instantâneas. Fornecedores chineses estão fazendo algo parecido — o modelo de voz do Qwen já começou a dar suporte a chamadas de ferramentas, mas produtos em que a voz lê e escreve diretamente e-mails e agendas de escritório ainda são raros.
No cenário de escritório chinês, o equivalente é o e-mail e a agenda do WeCom, DingTalk e Feishu; quem conseguir conectar primeiro a porta de voz às permissões de leitura e escrita desses sistemas, e ao mesmo tempo tratar bem o mecanismo de confirmação para ações erradas, deve ser o destaque da próxima rodada da disputa entre assistentes de voz.
Fontes: contas oficiais da OpenAI em redes sociais, 9to5Mac, CocoLoop, Android Headlines; os marcos de atualização dos três modelos GPT-6 e o alcance da integração de voz seguem os comunicados oficiais da OpenAI.