OpenAI Dot vs Grok Bot: qual assistente funciona melhor por voz?

Autoria: Cortes do Rafael Quintanilha · Assistir no YouTube

Vídeo de autoria do canal indicado, não da IANIA; todos os direitos pertencem ao criador. Transcrição, resumo e tradução gerados automaticamente; o conteúdo no idioma original é preservado na versão em idioma original.

Idioma original: inglês

Vídeo original: OpenAI Dot vs Grok Bot: qual assistente funciona melhor por voz? · Canal: Cortes do Rafael Quintanilha · 09:09 · Assistir no YouTube

Tópicos: Agentes de IA, Aplicações empresariais de IA, Automação de tarefas e workflows, Modelos multimodais

Resumo

O vídeo compara OpenAI Dot e Grok Bot em tarefas de voz, como consultar métricas de um programa, verificar a posição de um vídeo no YouTube Studio e lidar com pull requests. OpenAI Dot responde com uma voz considerada mais natural e consegue concluir tarefas, mas demora e, em um momento, enfrenta um erro de autorização ao enviar uma captura de tela. Grok Bot mantém a conversa mais ativa e parece mostrar melhor o que está fazendo, mas também apresenta uma resposta inconsistente sobre pull requests. A demonstração conclui que os dois assistentes têm propostas semelhantes, mas a lentidão prejudica a experiência de voz.

Pontos-chave

OpenAI Dot consulta visitas, usuários únicos e conclusões de aulas em uma plataforma.
A voz do OpenAI Dot é descrita como natural, mas as pausas longas tornam a conversa pouco ágil.
O assistente consegue verificar no YouTube Studio a posição de um vídeo, embora a tarefa leve vários minutos.
Uma tentativa de enviar uma captura de tela falha inicialmente por um erro de autorização; depois, a imagem aparece na tarefa na nuvem.
Grok Bot responde a perguntas sobre aulas assistidas e métricas do dia.
Na checagem de pull requests, Grok Bot primeiro diz que não há outros PRs abertos e, em seguida, identifica um.
Grok Bot fecha o PR 57 sem merge, e a conversa informa que o repositório fica sem PRs abertos.
A comparação destaca a naturalidade da voz do OpenAI Dot e a maior visibilidade das ações do Grok Bot, mas aponta limitações de velocidade e consistência.

Capítulos

Início	Capítulo	Resumo
00:00	Teste de voz do OpenAI Dot e consulta de métricas	O apresentador testa a conversa por voz e pede ao assistente dados de visitas, usuários únicos e conclusões de aulas.
02:15	Tarefas em paralelo e limites de velocidade	O assistente recebe pedidos de captura de tela, criação de pull request e consulta de posição de um vídeo, mas demora e enfrenta um erro de autorização.
06:29	Comparação com Grok Bot	O apresentador testa consultas por voz no Grok Bot e compara sua interação com a do OpenAI Dot.

Citações

Oi, por que você está falando comigo em inglês? — 00:39

Naturalidade sem agilidade atrapalha a conversa. — 04:53

Ele conseguiu ir ao Studio e obter a informação, mas demorou bastante. — 05:56

Como você disse que não havia um e, um segundo depois, disse que havia? — 08:39

Conceitos e entidades

OpenAI Dot (ferramenta): Assistente de voz da OpenAI testado em tarefas de consulta de dados, navegação e trabalho com pull requests.
Grok Bot (ferramenta): Assistente testado por voz em consultas sobre aulas e na verificação e no fechamento de pull requests.
OpenAI (empresa): Empresa cujo assistente de voz é comparado com o Grok Bot no vídeo.
YouTube Studio (ferramenta): Plataforma consultada para verificar a posição de um vídeo por visualizações.
pull request (conceito): Solicitação de alteração em um repositório, cuja consulta e fechamento são demonstrados no vídeo.

Tradução completa (pt-BR)

00:00 Quero mostrar um dos principais recursos que a OpenAI fez questão de destacar no DevDay, que é a possibilidade de operar por meio do modo de voz. Dá para ver aqui no seu Dot que tem um botãozinho para você se conectar. E, na verdade, ele até simula uma ligação telefônica aqui. Algumas pessoas gostaram, outras não. Testei isso várias vezes, gente, e, no começo, não funcionou. Ela não me respondia, mas depois começou a responder, tá? Então vamos fazer esse teste juntos aqui. Vamos ver se a OpenAI me responde desta vez.

00:39 >> Oi, por que você está falando comigo em inglês? >> Ah, foi mal. Vamos falar em português, sim. O que você precisa? >> Olha, eu queria saber quantas pessoas acessaram o programa no total. Quantos usuários únicos acessaram o programa durante o lançamento que fizemos na semana passada? Então, fizemos um lançamento na terça, quarta e quinta-feira. Tivemos três transmissões ao vivo. Quero saber o número total de visitas e de usuários únicos nesse período. >> Entendi. Estou buscando os dados do

01:10 período do lançamento, de 28 de setembro a 4 de outubro, e verificando o total de visitas e usuários únicos. >> Não, foi de terça a quinta-feira. Terça, quarta e quinta. Ah, entendi. Só terça, quarta e quinta. Estou ajustando o período agora. >> Bom, gente, aqui estou mostrando um caso de uso que acho muito legal, tá? Que é ter seu assistente pessoal e pedir para ele — quinta-feira, de 29 de setembro a 1º de outubro, houve 8.076 visualizações de página e 170 visitantes únicos no programa EAI. Cada pessoa é contabilizada apenas uma vez no total, mesmo que tenha

01:42 acessado o programa em mais de um dia. >> Certo? E você pode me dizer quantas aulas foram concluídas na sexta-feira e no sábado? >> Boa pergunta. Vou verificar para você os dados de sexta e sábado. Na sexta-feira, houve 130 conclusões de aulas por 55 pessoas. No sábado, 99 conclusões por 35 pessoas. Somando os dois dias, são 229 conclusões. >> Está certo? Muito obrigado. Então, gente, mostrei aqui um exemplo que acho muito legal de fazer com um assistente pessoal, que é essa ideia

02:15 de fazer brainstorming, analisar sua plataforma, seu produto ou sua empresa, conversar e pedir ao seu assistente para buscar dados. Neste exemplo, foi muito mais rápido do que antes, tá? Talvez você tenha testado depois do lançamento e não tenha gostado, assim como eu também não gostei muito. Agora, nesta demonstração com vocês, realmente melhorou. Acho que estão resolvendo o problema de computação, tá? Na verdade, gente, funcionou tão bem aqui que quero fazer até outro teste. Vamos tentar fazer algo um pouco mais complicado. Pode ir. Vou

02:45 ligar para ela de novo aqui. Vamos ver. >> Boa noite. Voltou rapidinho, hein? >> Sim. Sim, vi aqui que acabei de receber a mensagem dizendo que a tarefa de mudar a cor para amarelo foi concluída. Certo? >> Exatamente. O resultado final foi implementado com o amarelo #FAC15 e os testes passaram. >> Tá. Você pode me enviar uma captura de tela de como esta página está e criar um pull request para mim? >> Claro. Vou cuidar disso. Vou solicitar a captura de tela e o pull request agora.

03:16 >> Certo. Enquanto você faz isso, publiquei um vídeo neste domingo. Pode confirmar em que posição ele está no YouTube, tipo em 1º de 10, 2º de 10 e assim por diante? Em que posição esse vídeo está agora, enquanto falo com você? >> Sim, vou verificar a posição atual para você. >> Olha, gente, este é um teste que quero fazer, que é o seguinte: a capacidade dela de trabalhar em paralelo. E, incluindo essa segunda verificação que pedi no YouTube, talvez ela precise acessar o Studio, o que só vai conseguir fazer localmente, aqui no meu computador, tá? Então tenho algumas dúvidas

03:48 sobre o quanto ela vai conseguir fazer isso bem e sobre a velocidade, tá? Porque, embora ela tenha me impressionado aqui na primeira tarefa em relação à velocidade, muitas das críticas que vimos sobre os modelos eram justamente o fato de ela não ser tão rápida, tá? E, quando você está numa ligação, >> a finalização foi rápida, os arquivos foram gerados, mas o envio das imagens falhou devido a um erro de autorização. Estou procurando uma forma compatível de enviar isso para você. >> Acho que, no caso de um erro de autorização, você pode simplesmente pedir ao agent na máquina local para tirar uma captura de tela e enviá-la no próprio chat. >> Na verdade, posso. Vou pedir isso agora.

04:22 Ou você pode pedir para anexar a captura de tela ao pull request no GitHub. >> Isso também serve. Só preciso garantir que a captura de tela mostre a versão amarela da tarefa na nuvem, porque o site publicado ainda não mudou. >> Bom, voltando ao assunto, gente, o grande problema é que, quando você está trabalhando e o modelo fica em silêncio por muito tempo, como ela ficou, especialmente numa conversa por voz, fica meio estranho, né? Então, >> perfeito. Vou incluir a opção de manter a captura de tela anexada ao PR. Enquanto isso, ainda estou esperando a confirmação do anexo, o link do PR e a classificação do vídeo no Studio. >> Sim, é muito melhor do que eu

04:53 imaginava. Ainda acho lento para uma conversa que seria, sabe, algo que você faria na sua rotina diária, né? Mas está melhor. É um avanço, e a voz é muito natural, não é? Vocês vão ver, também vamos comparar com o Grok Bot, e vão ver como a voz da OpenAI soa muito mais natural, embora seja mais lenta. Não adianta ser natural se não funciona, né? Então, estão vendo? Leva muito tempo para me responder, ela simplesmente fica em silêncio, sabe? E, numa conversa por voz, isso é muito ruim. Vamos esperar aqui para ver quando ela

05:24 responde. >> Tudo bem. Faz sentido. Ainda estou tentando mostrar as capturas de tela na conversa da tarefa e verificar a posição do vídeo. Ainda não tenho o resultado confirmado, mas concordo com você. A naturalidade sem agilidade atrapalha a conversa. >> Olha só, gente, que legal. Apareceu aqui, olha, na saída do agent, um desktop doméstico. Se eu clicar aqui, olha, é exatamente o amarelo, estão vendo? Então, provavelmente, está gerando ali na conversa na nuvem a captura de tela com os botões amarelos para colocar no pull request. Então funciona, né? Estão vendo que funciona bem? O grande problema

05:56 é que é muito, sabe, lento para conversar por voz. Então, na prática, não vale muito a pena fazer isso por voz. Não vai ajudar você. >> Verificando o Studio agora, às 21h14. Seu vídeo GPT 6.1, “Um sol e sonete 5.5”, está em quarto lugar entre dez por visualizações, com 11,7 mil nos primeiros 7:29. >> Sim, acertou. Conseguiu acessar o Studio, buscar a informação e me responder. Mas demorou bastante, levou, não sei, uns 4 minutos para abrir o Studio, verificar e me responder, né? Então, realmente é bem lento,

06:29 tá? Parece que vai funcionar, então é só uma questão de velocidade. Vou até desligar aqui para não perdermos muito tempo, mas vocês viram mais ou menos como é a experiência, né? Se fosse mais rápido, seria melhor. Acredito que, quando conseguirmos trazer uma velocidade mais interessante para isso, teremos um workflow muito melhor. Agora, voltando ao Grockbot, vamos tentar fazer algo parecido no modo de áudio deles, tá? Vamos lá. Oi, tudo bem? Está aí? >> Estou aqui. Ótimo. >> Ótimo. Você pode me dizer quantas aulas foram assistidas no total no programa na

07:02 sexta e no sábado? Na sexta-feira, dia 2, houve 84 pessoas distintas, com 313 reproduções, e 55 concluíram pelo menos uma aula. No sábado, dia 3, 50 pessoas únicas assistiram a pelo menos uma aula, com 187 inícios de aula no total e 35 conclusões. Quero a classificação por aula de >> não. Só responda o que perguntei. Quantas pessoas assistiram a aulas no total hoje? Procurando o número de pessoas de hoje. >> Sim, temos aqui na interface do Grock, dá para ver aqui embaixo, né?

07:34 >> Este é só o começo do trabalho. Assim que os números chegarem, eu aviso. >> Está vendo? Ao nos conectarmos à publicação, vemos que ela está buscando informações de >> Os dados de hoje ainda são parciais. Do outro lado, ainda é domingo, 4 de outubro. Então, ainda não há números de segunda-feira. Até agora, 35 pessoas diferentes iniciaram pelo menos uma aula, houve 117 reproduções no total e 19 aulas foram concluídas, totalizando 55 conclusões. Como o dia ainda não acabou, esses valores ainda podem aumentar, >> certo? Você pode verificar a solicitação aberta no repositório do programa para mim? Lá está

08:08 >> Vou buscar o PR aberto; ele está em andamento. Quer que eu detalhe alguma parte específica quando ele chegar? Não, só quero que você me diga qual PR está aberto. Está vendo que ela fala muito mais, não deixa muito silêncio, certo? E, mesmo quando fica em silêncio, dá para ver melhor aqui o que o Grockbot está fazendo, certo? Agora parece que desapareceu. >> O PR aberto era o 56, Ajustar os botões primários verdes, mas, na verdade, está fechado, não foi mesclado. Ele foi fechado hoje por volta das 15h13, horário de Brasília, ainda como rascunho.

08:39 >> Mas não há outros PRs abertos? >> Vou verificar se há mais algum. Ainda não apareceu nada novo por aqui. Avise se quiser que eu faça uma nova busca. Na verdade, sim. O 57, Corrigir a alteração da cor primária do site para. Foi aberto hoje à noite, por volta das 21h02, horário de Brasília. >> E como você disse que não havia nenhum e, um segundo depois, disse que havia? >> Foi mal, a pressa atrapalhou. O resultado tinha acabado de chegar quando falei. >> Certo. Faça o seguinte para mim. Você também pode fechar este pull request? >> Fechando o 57.

09:09 >> E pronto, pessoal, vamos ver aqui. Grock, manda ver. Está aberto. >> É só o começo. Quando confirmar, eu aviso. >> Foi isso que criamos naquela tarefa do Cloud, certo? E fechou, eu gerencio >> O PR 57 foi fechado sem merge por volta das 21h19, horário de Brasília. O repositório ficou sem PRs abertos. >> Maravilha, pessoal. Então, o que eu queria mostrar aqui? Queria mostrar estes dois assistentes pessoais trabalhando lado a lado, porque a proposta deles é realmente muito parecida.

Transcrição original

[00:00] I want to show one of the main features that OpenAI insisted on highlighting at DevDay, which is the ability to operate through voice mode. So you can see here on your dot there’s a little button for you to connect. And actually, it even simulates a phone call here. Some people liked it, others didn’t. I tested this several times, guys, and at first it didn’t work. She wouldn’t answer me, but then she started to, okay? So let’s do this test together here. Let’s see if OpenAI answers me this time.

[00:39] >> Hi, why are you speaking to me in English? >> Oh, my bad. Let’s go in Portuguese, yes . What do you need? >> Look, I wanted to know how many people accessed the program in total? How many unique users accessed the program during the launch we held last week? So , we held a launch on Tuesday, Wednesday, and Thursday. We had three live streams. I want to know what the total number of visits and unique users was during that period. >> Got it. I’m pulling the data for the

[01:10] launch period from September 28th to October 4th and checking the total visits and unique users. >> No, it’s from Tuesday to Thursday. Tuesday, Wednesday, and Thursday. Oh, I see. Just Tuesday, Wednesday, and Thursday, adjusting for that timeframe now. >> Well, guys, here I’m showing you a use case that I think is really cool, okay? Which is having your personal assistant and having it—Thursday, September 29th to October 1st, there were 8,076 pageviews and 170 unique visitors to the EAI program. Each person is counted only once in total, even if they

[01:42] accessed it on more than one day. >> Right? And can you tell me then how many lessons were completed on Friday and Saturday? >> Good question. Let me check that Friday and Saturday breakdown for you. On Friday, there were 130 lesson completions by 55 people. On Saturday, 99 completions by 35 people. Adding both days, that’s 229 completions. >> Is that right? Thank you very much. So guys, I showed you an example here that I think is really cool to do with a personal assistant, which is this idea

[02:15] of brainstorming, analyzing your platform, your product, or your company , talking and asking your assistant to pull data. Here in this example, it was much faster than it was before, okay? If you perhaps tested it post-launch, maybe you didn’t like it as I didn’t like it much. Now in this demo with you , it really has improved. I think they are fixing their compute problem, okay? Actually, guys, it worked so well here that I even want to do another test. Let’s even try to do something a little more complicated here. Go ahead. I’ll

[02:45] call her again here. Let’s see. >> Good evening. Back real quick, huh? >> Yeah. Yeah, I saw here that I just got the message saying that the task to change the color to yellow was done. Right. >> Exactly. The final result was implemented with yellow#FAC15 and the tests passed. >> Okay. Can you send me a screenshot of how this page looks and create a pull request for me? >> Sure. I’m taking care of it. I’ll request the screenshot and the pull request now.

[03:16] >> Right. Uh, while you do that, I published a video this Sunday. Can you confirm to me what position it’s in, like 1st of 10, 2nd of 10, etc., on YouTube. Is this video in right now as I’m speaking to you? >> Yes, I will check the current position for you. >> Look, this here, guys, is a test I want to do, which is the following: her ability to work in parallel, and including this second check I asked for from YouTube, she will possibly need to have access to the studio that she will only be able to do locally here on my computer, okay? So I have some doubts

[03:48] about how well she will be able to do this and the speed, okay? Because even though she impressed me here on the first task regarding speed, many of the criticisms we saw regarding the models were precisely the fact that she wasn’t that fast, okay? And when you are on a call, >> the finish was quick, the files were generated, but sending the images failed due to an authorization error. I’m looking for a supported way to deliver this to you. >> I think for an authorization error you can’t just take, ask the agent on the local machine to take a screenshot and send it in the chat itself. >> I actually can, I’ll ask for that now.

[04:22] Or you could ask it to put the screenshot as an attachment in the GitHub pull request. >> That works too. I just need to ensure the screenshot shows the yellow version of the task in the cloud, because the published site hasn’t changed yet. >> Well, so getting back to it, guys, the big issue is that when you’re working and the model goes silent for a long time like she did, especially on a voice message, it gets a bit weird, right? So, >> perfect. I’ll include the option to keep the screenshot attached to the PR. Meanwhile, I’m still waiting for the attachment confirmation, the PR link, and the video’s ranking in the studio. >> Yeah, it’s much better than I

[04:53] imagined. I still think it’s slow for a conversation that would be, you know, something you’d do in your daily routine, right? But it is better. It’s a breakthrough, and the voice is very natural, isn’t it? You’ll see, we’re going to compare it with the Grok Bot too, and you’ll see how OpenAI’s sounds much more natural, although it is slower; it’s useless to be natural if it doesn’t work, right ? So, see? The amount of time it takes to get back to me, it just stays silent , you know? And for a voice conversation, that’s really bad. Let’s wait here to see when it

[05:24] replies. >> Fair enough. Makes sense. I’m still trying to show the screenshots in the task conversation and verify the video’s position. I still don’t have the confirmed result, but I agree with you. Naturalness without agility hinders the conversation. >> Look at this, guys, how cool. It appeared here, look, in the agent’s output, a home desktop. If I click here , look, it’s exactly the yellow color , you see? So it’s possibly generating there in that cloud conversation, right, the screenshot with the yellow buttons to put in the pull request. So it works, right? You see that it works well? The big problem

[05:56] is that it is very, you know, slow for you to talk via voice. So it’s not really worth it for you to do this via voice. It won’t help you. >> Checking the studio now at 9:14 PM. Your video GPT 6.1, “Um sol e sonete 5.5,” is ranked fourth out of ten by views with 11.7 k in the first 7:29. >> Yeah, it got it right, it managed to go to the studio and get the information. But it took quite a while, it took, I don’t know, 4 minutes to be able to go open the studio, check, and get back to me, right? So, it really is quite slow,

[06:29] okay? It seems it will work, so it’s just a matter of speed. I’ll even hang up here so we don’t waste too much time, but you saw more or less what the experience is like, right? If it were faster, it would be better. I believe that the moment we manage to bring a more interesting speed to this, then we’ll have a much better workflow. Back here then to Grockbot, let’s try to do something similar in their audio mode, okay? Let’s go. Hi, how are you? Are you there? >> I’m here. Great. >> Great. Can you tell me how many classes were watched in total on the program on

[07:02] Friday and Saturday? On Friday, the 2nd , there were 84 distinct people with 313 plays and 55 completing at least one class. On Saturday, the 3rd, 50 unique people watched at least one with 187 total class starts and 35 completions. I want the ranking by class of >> no. Just answer what I asked you. How many people watched classes in total today? Searching for today’s people. >> Yeah, we have here in the Grock interface, you can see here below, right?

[07:34] >> This is just the start of the work. As soon as the numbers come in, I’ll let you know. >> See, connecting to the post we can see that it’s fetching information from the >> Today’s data is still partial. On that side it’s still Sunday, October 4th. So , there are no numbers for Monday yet. So far, 35 distinct people started at least one class, 117 total plays and 19 completed, totaling 55 completions. Since the day isn’t over, these values can still go up, >> okay? Can you check the open request in the program repository for me? There

[08:08] >> I’ll pull the open PR, it’s in progress . Do you want me to detail any specific part when it arrives? No, I just want you to tell me which PR is open. You see that she talks a lot more, she doesn’t leave much silence, right? And even when it’s silent, we can see better here what Grockbot is doing, right? Now it seems like it disappeared . >> The open PR was 56 Fit Green Primary Buttons, but actually it’s closed, not merged. It closed today around 3:13 PM Brasília time, still as a draft.

[08:39] >> But there are no other open PRs? >> Checking if there’s any more. Nothing new around here yet. Let me know if you want me to force a new look. Actually, yes. The 57 Fix change website primary color to. Opened tonight around 9:02 PM Brasília time. >> And how did you say there wasn’t one and a second later you said there was? >> My bad, the rush got in the way. The result had just arrived when I spoke. >> Right. Do the following for me. Can you close this pull request too? >> Closing 57.

[09:09] >> And there you go, folks, let’s see here . Grock it up. It’s open. >> Just the beginning. When it confirms, I’ll tell you. >> That’s what we created in that Cloud task, right? And it closed, I manage >> PR 57 closed without a merge around 9:19 PM Brasília time. The repository is left with no open PRs. >> Wonderful, everyone. So, what did I want to show you here? I wanted to show these two personal assistants working side by side, because their proposal is truly very similar.