L’8 luglio 2026 OpenAI ha cambiato la voce di ChatGPT. Il nuovo modello si chiama GPT-Live e introduce una cosa che le voci artificiali finora non facevano: ascoltare e parlare nello stesso momento, come fanno due persone al telefono. Niente più attesa del proprio turno, niente pausa dopo cui il sistema decide che hai finito. Puoi interromperlo, lui può inserirsi, e mentre lo fa borbotta un “mh-mh” per dirti che sta seguendo. La stampa di tutto il mondo ne ha parlato per giorni come del salto oltre il vecchio “walkie-talkie”. Su una cosa, però, tutte quelle testate hanno taciuto: cosa significhi per chi usa la voce non per comodità, ma perché non vede lo schermo. Quello spazio, in italiano come in inglese, spagnolo, francese, tedesco, portoghese e giapponese, è rimasto vuoto. Lo riempiamo qui, e la risposta è meno entusiasta di quanto il clamore lascerebbe pensare.
Cos’è GPT-Live e perché tutti parlano di “full-duplex”
GPT-Live arriva in due versioni: GPT-Live-1, che diventa la voce predefinita per gli abbonati Go, Plus e Pro, e GPT-Live-1 mini, che sostituisce la vecchia Advanced Voice Mode per gli utenti gratuiti. Entrambe girano su iOS, Android e sul sito di ChatGPT, con un rilascio scaglionato su scala mondiale. L’annuncio è stato ripreso ampiamente anche dalla stampa italiana.
La parola tecnica che ricorre ovunque è “full-duplex”. Vuol dire che il modello riceve quello che dici e genera la risposta in continuo, invece di aspettare un messaggio alla volta. OpenAI lo descrive così: “GPT-Live è costruito su un’architettura full-duplex, che gli permette di ascoltare e parlare allo stesso tempo”, e prende “decisioni di interazione molte volte al secondo: se parlare, continuare ad ascoltare, fare una pausa, interrompere o richiamare uno strumento”. Fin qui la parte conversazionale. Quando invece serve una ricerca sul web o un ragionamento più profondo, GPT-Live passa la richiesta dietro le quinte a un modello più potente, al lancio GPT-5.5, e riporta la risposta nel discorso quando è pronta, continuando a parlare mentre quello lavora.
Chi ha provato il vecchio sistema riconosce subito il problema che GPT-Live prova a risolvere. La testata italiana Techprincess lo riassume: il meccanismo precedente, “simile a una conversazione via radio, genera conversazioni innaturali, con pause lunghe e interruzioni brusche”, mentre ora si dialoga “in modo più simile a una normale telefonata”. Lo spagnolo Xataka titola che la voce “ha imparato ad ascoltare, a stare zitta e a rispondere meglio” e spiega che la promessa vera non è “suonare più umana, ma tenere una conversazione senza che sembri una successione di comandi”. Il francese Futura, che l’ha messa alla prova, parla di risultato “sbalorditivo” e di “un bel balzo in avanti”. Il consenso, in ogni lingua, converge sullo stesso punto: finalmente si può parlare senza contare i turni.
Perché per chi non vede una voce così è, sulla carta, enorme
Per una persona cieca o ipovedente la voce è, molto spesso, il canale principale con cui usa un dispositivo. Digitare su un touchscreen senza vederlo è lento e faticoso; parlare e ascoltare no. Una modalità conversazionale che coglie le interruzioni, aspetta quando ti fermi a pensare e non pretende che tu concluda la frase con un silenzio netto toglie attrito proprio dove un non vedente ne incontra di più. Lo mostra anche uno studio accademico presentato alla conferenza ASSETS del 2025, condotto su otto persone cieche e ipovedenti che usavano la voce di ChatGPT: i partecipanti hanno apprezzato “la voce allegra e realistica e la possibilità di parlare avanti e indietro”, con un’interazione giudicata meno faticosa rispetto allo scattare foto e attendere. Il full-duplex spinge quella qualità un passo oltre.
C’è poi un uso che la sola stampa giapponese ha colto, senza però collegarlo alla disabilità: l’interpretariato simultaneo. La testata ビジネス+IT racconta GPT-Live come strumento “utilizzabile per impieghi come la traduzione simultanea”. Tradurre il mondo intorno in tempo reale, sonoro, a mani libere, è esattamente il tipo di funzione che a un non vedente serve ogni giorno. La materia prima per un salto di accessibilità, insomma, c’è tutta.
Il paradosso: la voce nuova non “vede” l’ambiente
Qui la storia si ribalta, ed è il punto che nessuna testata generalista ha messo a fuoco. La funzione di ChatGPT che le persone cieche usano di più è la telecamera in tempo reale: inquadri l’ambiente e l’assistente ti dice cosa c’è, legge un’etichetta, un cartello, il numero di un autobus. Al lancio, GPT-Live non ha questa funzione. Non supporta né il video, né la condivisione dello schermo. Per far “guardare” qualcosa all’intelligenza artificiale bisogna tornare alla vecchia Advanced Voice Mode, che resta disponibile proprio per questo. OpenAI dichiara di volerle aggiungere “presto”, senza indicare una data.
Il risultato è un trade-off che pesa solo su chi non vede. Un utente cieco deve scegliere, sessione per sessione, tra la conversazione naturale di GPT-Live e la possibilità di far vedere l’ambiente all’AI con la vecchia modalità. Non può avere le due cose insieme. Chi usa la voce soprattutto come occhi in prestito ha, per ora, un motivo concreto per non passare alla novità di cui parlano tutti.
Il confronto con la concorrenza rende il paradosso più netto. GPT-Live è oggi l’unico grande assistente con un full-duplex vero, in cui la voce si sovrappone e fa da sottofondo mentre ascolti. Ma è anche l’unico dei big che al lancio non ti fa vedere l’ambiente dalla telecamera: Gemini Live di Google e la modalità vocale di Grok, pur lavorando ancora a turni, la fotocamera dal vivo ce l’hanno. Il salto di OpenAI, per chi non vede, è tutto nello strato della conversazione, non in quello della vista.
Le cautele che la comunità cieca solleva da tempo
Chi lavora sull’accessibilità guarda a questa tecnologia con attese precise e paletti altrettanto precisi. La testata specializzata di tecnologia assistiva Top Tech Tidbits, in un articolo sull’AI vocale per le persone con disabilità visiva, mette in fila i due nodi che contano di più. Il primo è l’affidabilità: una risposta sbagliata detta con sicurezza è un fastidio quando puoi controllarla con un’occhiata a uno schermo, ma diventa pericolosa quando quella risposta prende il posto della vista. Il secondo è la privacy: microfoni e telecamere sempre accesi segnano il confine tra l’autonomia e la sorveglianza.
Il rischio dell’errore detto con sicurezza non è teorico. Lo studio ASSETS del 2025 lo ha documentato sul campo: l’assistente funzionava sulle scene ferme, ma quando la telecamera si muoveva “restava in silenzio”, falliva le richieste di orientamento e mostrava una tendenza a confermare le proprie risposte anche quando erano sbagliate, portando gli utenti a “confusione, sfiducia e rischi potenziali”. In una conversazione vocale veloce e sovrapposta, chi vede ricontrolla al volo con lo sguardo; chi non vede no. L’informazione errata, senza traccia visiva immediata, passa più facilmente e viene presa per buona. Il full-duplex, accelerando lo scambio, riduce ancora la finestra per accorgersene.
C’è poi un dettaglio tecnico che tocca proprio chi ha solo l’udito come canale di controllo. La società Agora ha misurato le latenze che OpenAI non ha pubblicato: GPT-Live risponde in media più in fretta del predecessore, ma quando lo si interrompe è circa mezzo secondo più lento a fermarsi, quasi 498 millisecondi in più. In un’interfaccia fatta solo di suono, lo “stop, ti stai sbagliando” è il comando principale per riprendere il controllo. Mezzo secondo in più di parola sbagliata sopra la tua, proprio mentre provi a correggerla, per chi non ha alternative visive è un peggioramento pratico.
Anche i “mh-mh” e i “sì” continui, che alla stampa generalista sono parsi al più fastidiosi, per un non vedente pesano diversamente. Sul suo blog lo sviluppatore Simon Willison ha raccontato che il modello «lo interrompeva per ridere di cose che diceva e che non erano nemmeno pensate come battute», un comportamento che gli è parso «sgarbato e con un tono di superiorità». Per chi si affida al 100% all’ascolto, quei versi di sottofondo occupano l’unico flusso informativo disponibile e possono coprire lo screen reader o i suoni d’ambiente su cui una persona cieca si orienta. Un vedente filtra con gli occhi; un cieco si tiene tutto il rumore sul canale audio.
Sul fronte privacy, il tema è reale ma va maneggiato con prudenza, perché parte dei dati circolati non è confermata ufficialmente. La System Card di OpenAI non chiarisce quanto a lungo l’audio delle conversazioni venga conservato; secondo ricostruzioni di terze parti i clip di GPT-Live verrebbero tenuti insieme alla trascrizione per trenta giorni, un dato che al momento non è verificabile sulla documentazione ufficiale aperta. Resta il punto di fondo: la voce, quando serve a identificare una persona, è un dato biometrico, e affidarla a un sistema pensato per stare in ascolto è delicato. In Italia il Garante della privacy aveva già sanzionato OpenAI con quindici milioni di euro nel 2024, sanzione che nel marzo 2026 sarebbe stata annullata dal Tribunale di Roma per motivi di competenza. Il precedente resta un promemoria di quanto il tema sia sensibile.
Dove si colloca GPT-Live tra gli strumenti che i ciechi già usano
Per capire cosa aggiunge davvero, conviene guardare la cassetta degli attrezzi che una persona cieca ha già oggi. Be My Eyes, con la funzione Be My AI basata su GPT-4, analizza una foto ferma e ne discute con l’utente, con il passaggio automatico a un volontario umano vedente quando l’intelligenza artificiale non basta, ed è gratuita per la comunità. Seeing AI di Microsoft, anch’essa gratuita, “racconta il mondo intorno”: legge testi, descrive foto, identifica prodotti. Envision propone Ally, un assistente conversazionale che usa la fotocamera e sceglie di volta in volta il modello migliore per rispondere. Aira, invece, si affida a interpreti umani professionisti: trasmetti loro il video in diretta e dall’altra parte risponde una persona.
Ne emerge una divisione dei compiti chiara: l’interprete umano di Aira per le situazioni delicate, l’AI su foto ferma di Be My AI e Seeing AI per le letture affidabili e mirate, l’AI su video dal vivo di Gemini Live o della vecchia modalità di ChatGPT per le domande interattive sull’ambiente. In questa mappa GPT-Live, al debutto, non occupa nessuna delle caselle “vista”: si aggiunge sullo strato della conversazione. È un miglioramento del come si parla con l’assistente, non del cosa l’assistente riesce a vedere per te.
Un contrappeso critico e una barriera già nota
Non tutta la stampa estera si è limitata all’entusiasmo. La testata tedesca The Decoder solleva l’obiezione più scomoda: una voce che suona ancora più umana “rischia di aumentare ulteriormente” il pericolo che le persone si affidino emotivamente a un sistema che umano non è. È una preoccupazione che vale per chiunque, e vale in modo particolare per chi passa molte ore al giorno a parlare con un assistente perché la voce è il suo canale principale.
C’è infine una barriera concreta, già documentata, che riguarda l’app di ChatGPT più che il modello. Su Android, il controllo della telecamera dentro la modalità vocale avanzata risulta non selezionabile con gli screen reader come TalkBack: la funzione più utile a una persona cieca ha già una difficoltà d’accesso proprio per le persone cieche. E la storia recente invita alla prudenza: alla fine del 2023 un aggiornamento dell’app ChatGPT per iPhone l’aveva resa quasi inutilizzabile con VoiceOver, che annunciava solo “chiudi menu”, prima che OpenAI correggesse nel giro di un giorno. Il problema riguarda l’app di ChatGPT e serve da promemoria: i cambi grossi dell’app hanno già rotto l’accessibilità in passato, e GPT-Live è un cambio grosso.
Disponibilità, italiano e quello che ancora non sappiamo
GPT-Live è gratuito nella versione mini per tutti, mentre la versione piena richiede un abbonamento Go, Plus o Pro; ai gratuiti resta il solo livello di risposta “Instant”, agli abbonati anche i livelli “Medium” e “High” con più tempo di ragionamento. Sui tetti d’uso in minuti non ci sono numeri ufficiali, e le stime di terze parti sono contraddittorie, quindi è bene non fidarsi di cifre precise. La stampa italiana tratta il lancio come già in arrivo per gli utenti del nostro Paese, senza però una data esatta.
Sull’italiano, la cautela è d’obbligo. OpenAI dice di aver ottimizzato il modello per le lingue più diffuse, ma avverte che per alcune “la voce può avere un accento non nativo o lacune di fluidità”; nella dimostrazione alla stampa la traduzione in hindi aveva un marcato accento americano. L’italiano compare nell’elenco documentato delle lingue supportate dal traduttore vocale di OpenAI, quindi con ogni probabilità funziona, ma il livello di resa nella nostra lingua non è confermato ufficialmente. Sono anche assenti, al lancio, l’accesso alla memoria di ChatGPT in tempo reale, le chiamate vocali e le interfacce per sviluppatori: dettagli che pesano, perché un utente che ha memorizzato una preferenza, ad esempio descrizioni sempre sintetiche o pensate per la sua disabilità visiva, potrebbe non vedersela applicata nella conversazione dal vivo.
Un salto per la conversazione, un’attesa per la vista
GPT-Live è la voce artificiale più simile a una persona che si sia vista finora, e per chi usa la voce come canale primario questo conta. Parlare a mani libere, interrompere quando serve, farsi capire senza scandire i turni: sono passi avanti reali, e la comunità cieca li aspettava. Ma la parte che per un non vedente fa la differenza vera, la telecamera che presta gli occhi, al lancio non c’è, e va cercata nella vecchia modalità. Le cautele che gli esperti di accessibilità ripetono da tempo, la falsa sicurezza degli errori, i mic sempre accesi, la fragilità storica dell’app con gli screen reader, restano tutte in piedi, e alcune, come il mezzo secondo in più per farlo tacere, sono perfino nuove.
La direzione è quella giusta: una voce che conversa in modo naturale è la base su cui, il giorno in cui tornerà la vista dalla telecamera e migliorerà l’affidabilità, potrà davvero cambiare la vita quotidiana di chi non vede. Per ora GPT-Live risolve la parte “conversazione” e lascia aperta la parte “occhi”. Vale la pena provarlo per come parla, ricordando che, per farsi descrivere il mondo, lo strumento giusto per adesso è ancora un altro.