Por que a IA de voz te interrompe

O modo de voz antigo funcionava em turnos, usando um detector de voz: ficou em silêncio por uma fração de segundo, o sistema concluía que você tinha terminado e começava a responder. O problema é que silêncio não quer dizer fim de frase.

A gente pausa para pensar no meio da frase o tempo todo, e barulho de fundo confunde ainda mais o detector. O resultado é a interrupção: ela começa a falar enquanto você ainda estava formulando.

Por que não é só aumentar a espera

Porque é um balanço, não um ajuste. Esperar mais reduz as interrupções e, na mesma medida, deixa a resposta mais lenta — e uma conversa com meio segundo de atraso a cada turno fica estranha de outro jeito. Por isso os sistemas mais novos tentam entender se a frase terminou pelo sentido do que foi dito, não só pelo silêncio.

E os "hum" e "aham"?

São de propósito. Desde julho, o modo de voz do ChatGPT escuta e fala ao mesmo tempo, e solta esses sinais para mostrar que está ouvindo — do mesmo jeito que uma pessoa faz ao telefone. Segundo a OpenAI, ele também tenta esperar você pensar, mas ainda erra o momento às vezes.

Na prática: num lugar silencioso e sem pausas longas, ela erra bem menos. Não é culpa sua — é que o sinal que ela usa para decidir é mais pobre do que a conversa real.