OpenAI revoluciona la conversación con sus nuevos modelos de voz GPT-Live

OpenAI presenta los modelos GPT-Live-1 y GPT-Live-1 mini

OpenAI ha lanzado al mercado los modelos conversacionales GPT-Live-1 y GPT-Live-1 mini, diseñados para ofrecer una interacción más natural y fluida. Estos modelos son full‑dúplex, lo que significa que pueden hablar y escuchar simultáneamente, permitiendo que los usuarios interrumpan sin problemas y habilitando funciones como la traducción en vivo.

Mejora significativa respecto al modo de voz anterior

La versión anterior combinaba tres modelos separados (reconocimiento de voz, lenguaje grande y síntesis de texto a voz). Ahora, con GPT‑Live, se resuelven problemas comunes como interrumpir al usuario mientras habla y la falta de inteligencia para responder preguntas complejas. El nuevo sistema envía las consultas a los modelos de texto más recientes, como GPT‑5.5, para búsquedas, razonamiento o capacidades agentivas, manteniendo la conversación en curso.

Conversaciones más largas y silencios inteligentes

Una de las innovaciones destacadas es la capacidad del modelo para permanecer en silencio durante largos períodos, absorbiendo el contexto hasta que se le requiera. Además, al tener acceso a los nuevos modelos GPT, puede presentar información en formato visual. Atty Eleti, líder de producto de ChatGPT Voice, comentó que ha tenido conversaciones de entre 30 y 40 minutos mientras caminaba.

“Con el tiempo, creemos que esto desbloqueará el uso de la voz como una interfaz principal para la computación, gestionando trabajos agentivos cada vez más complejos. Los casos de uso asombrosos que la gente logra con Codex y ChatGPT, pensamos que la voz puede ser la interfaz del futuro para todo tipo de trabajo”, afirmó Eleti.

La compañía indicó que más de 150 millones de personas ya interactúan con ChatGPT mediante funciones de voz y dictado.

Competencia y salvaguardas

Tanto Apple como Amazon han actualizado sus asistentes para ser más conversacionales, y startups como Sesame —fundada por el cofundador de Oculus, Brendan Iribe— también apuestan por asistentes más naturales. OpenAI, sin embargo, enfatiza que no busca convertir esto en un acompañante de IA, sino en una herramienta productiva. Los nuevos modelos incluyen salvaguardas para ofrecer respuestas apropiadas a la edad de los adolescentes y proporcionar recursos en temas delicados como autolesiones.

Limitaciones actuales

Pese a los avances, el modo de voz aún requiere mejoras. Durante una demostración de traducción en vivo al hindi, el asistente presentó un fuerte acento estadounidense y una entonación poco natural, casi literaria. OpenAI señala que el modo está optimizado para la mayoría de los idiomas hablados, pero no ha especificado cuáles.

OpenAI reemplazará por defecto el actual Modo de Voz Avanzado en ChatGPT con el modelo GPT-Live-1 mini. Los usuarios de planes de pago podrán acceder al modelo más grande GPT-Live-1.

Con estos avances, OpenAI consolida su apuesta por una interfaz de voz más natural y potente, abriendo la puerta a que la voz se convierta en el principal medio de interacción con la computación.