4 de Junho de 2025 — A OpenAI lançou um poderoso conjunto de atualizações com o objetivo de revolucionar a forma como os desenvolvedores criam agentes de IA, especialmente aqueles com recursos de interação por voz. As atualizações abrangem diversas frentes: suporte total a TypeScript no SDK de Agentes, um mecanismo de intervenção humana, a estreia do RealtimeAgent para aplicativos de voz em tempo real e melhorias significativas no modelo de conversão de fala da OpenAI.
Combinadas, essas atualizações tornam a criação de agentes de IA seguros, controláveis e envolventes mais acessível do que nunca.
TypeScript chega ao SDK de agentes
Capacitando desenvolvedores no ecossistema da Web
O popular SDK de Agentes da OpenAI agora oferece suporte a TypeScript, oferecendo ferramentas robustas para desenvolvedores que criam aplicações de IA em ambientes JavaScript e Node.js. A versão TypeScript oferece paridade de recursos com sua versão em Python, suportando todas as primitivas essenciais para a construção de agentes:
- Transferências – Transferências de tarefas contínuas entre vários agentes
- guardrails – Restrições comportamentais e mecanismos de segurança
- Traçado – Registro e diagnóstico detalhados
- MCP (Padrão Multicomponente) – Suporte para agentes modulares e distribuídos
Por que isso importa:
Os desenvolvedores web agora podem incorporar perfeitamente agentes de IA em navegadores, aplicativos web e ambientes Node.js, possibilitando experiências como assistentes de voz, chatbots em tempo real e copilotos no navegador.
Mecanismo de revisão Human-in-the-Loop (HITL)
Apresentando a Supervisão Humana para um Comportamento Mais Seguro dos Agentes
Para reforçar a segurança e a responsabilização, a OpenAI introduz um recurso de aprovação humana nos fluxos de trabalho dos agentes. Antes que um agente possa executar determinadas chamadas de ferramentas externas ou ações de API, um humano pode intervir para aprovar, negar ou ajustar o comportamento.
Fluxo de trabalho principal:
- Pausar execução da ferramenta
- Serializar e salvar o estado atual do agente
- Solicitar revisão e aprovação humana
- Retomar o fluxo de trabalho após a confirmação
Ideal para:
Casos de uso que envolvem altos riscos, como transações financeiras, análise de dados médicos ou tarefas sensíveis de atendimento ao cliente. Este mecanismo aumenta a transparência, a conformidade e as salvaguardas éticas na tomada de decisões de IA.
RealtimeAgent: Criar agentes de voz nunca foi tão fácil
O novo OpenAI Agente em tempo real A capacidade aproveita a API em tempo real para permitir que os desenvolvedores criem agentes de voz robustos que funcionam no lado do cliente ou do servidor.
Principais Recursos:
- Entrada e saída de fala em tempo real
- Chamada de função/ferramenta integrada
- Suporte para interrupções e reprodução dinâmica de áudio
- Compatibilidade com handoffs e guardrails
Por que é transformador:
Agora, agentes de voz podem ser desenvolvidos da mesma forma que agentes de texto — com acesso total às ferramentas e lógica de IA. Isso abre caminho para aplicações avançadas como:
- Sistemas de suporte de voz com tecnologia de IA
- Ferramentas de tradução ou ditado em tempo real
- Jogos de RPG interativos com capacidade de fala
O painel Traces recebe uma atualização centrada em voz
Visualizando cada etapa de uma interação de voz
O Traços A ferramenta de depuração e monitoramento foi atualizada para oferecer suporte à visualização avançada de sessões de agentes de voz em tempo real.
Novos recursos do painel:
- Exibindo formas de onda de áudio para respostas do usuário e do agente
- Histórico de chamadas da ferramenta de registro e seus parâmetros
- Destacar pontos de interrupção (por exemplo, quando um usuário interrompe no meio da frase)
Benefícios para desenvolvedores: Depuração mais clara, iteração mais rápida e melhor otimização de experiências de usuários que priorizam a voz.
Modelo de conversão de fala em fala GPT-4o: mais inteligente, mais natural
Voz mais inteligente, execução aprimorada
O modelo de fala GPT-4o passou por amplas melhorias para aumentar sua eficácia em tarefas de voz em tempo real:
- Melhor instrução a seguir – Executa comandos com maior precisão
- Uso mais consistente de ferramentas – Reduz a variabilidade na invocação de ferramentas
- Tratamento de interrupção aprimorado – Ajustes mais inteligentes no meio do diálogo
- Velocidade de fala ajustável - Novo
speedparâmetro para ritmo de saída de voz flexível
Modelos Disponíveis:
gpt-4o-realtime-preview-2025-06-03– Otimizado para API em tempo realgpt-4o-audio-preview-2025-06-03– Projetado para conclusões de bate-papo com áudio
Essas atualizações tornam as vozes da IA mais naturais, mais responsivas e mais fáceis de direcionar, seja para briefings de notícias rápidos ou diálogos lentos e instrutivos.
Considerações finais: uma nova era para agentes de IA de voz
Com essas quatro atualizações, a OpenAI continua a expandir as fronteiras do desenvolvimento de agentes de IA, tornando mais fácil, seguro e flexível para os desenvolvedores criarem assistentes digitais semelhantes a humanos.
A integração de suporte a TypeScript, aprovações humanas no loop, estruturas de agentes de voz e modelos de fala atualizados fornece um kit de ferramentas completo para projetar agentes inteligentes, interativos e sensíveis ao contexto em todas as plataformas e setores.
Quer você esteja criando um assistente de atendimento ao cliente ativado por voz, um personagem de jogo ou um tutor virtual, as ferramentas mais recentes da OpenAI lhe dão o poder de fazer isso de forma mais rápida e inteligente do que nunca.
Começando a jornada
A CometAPI fornece uma interface REST unificada que agrega centenas de modelos de IA — incluindo a família ChatGPT — em um endpoint consistente, com gerenciamento de chaves de API, cotas de uso e painéis de faturamento integrados. Em vez de lidar com várias URLs e credenciais de fornecedores.
Para começar, explore as capacidades do modelo no Playground e consulte o Guia de API para obter instruções detalhadas. Antes de acessar, certifique-se de ter feito login no CometAPI e obtido a chave da API.
O modelo GPT-4o Speech-to-Speech no CometAPI foi lançado gpt-4o-realtime-preview-2025-06-03 e gpt-4o-audio-preview-2025-06-03,Bem-vindo à chamada!
Veja também API GPT-4.1