GPT-Live de OpenAI permite que ChatGPT hable sin pausas y muestre tarjetas informativas du

Los últimos modelos de voz GPT-Live de OpenAI han transformado el flujo conversacional de ChatGPT al permitirle escuchar y responder simultáneamente: no más pausas incómodas esperando silencio ni saltos causados por el ruido de fondo. Los suscriptores de pago tienen acceso al modelo completo GPT-Live-1, mientras que los usuarios gratuitos reciben la versión más ligera GPT-Live-1 mini.

Además del discurso continuo, ChatGPT ahora integra tarjetas informativas visuales en tiempo real. Los usuarios pueden ver actualizaciones meteorológicas, marcadores deportivos, precios de acciones o mapas de rutas directamente en la conversación sin salir del modo de voz. Esto refleja cómo Google Assistant y Siri de Apple manejan el contexto de voz junto con elementos visuales relevantes en pantalla.

OpenAI también afirma que GPT-Live ha mejorado el filtrado de ruido, abordando un problema perenne para los asistentes de voz. Los entornos ruidosos —desde salas concurridas hasta automóviles— suelen confundir el reconocimiento de voz. En los últimos dos años, las fuertes inversiones de Amazon, Google y Anthropic han impulsado la IA de voz hacia una mayor resistencia al ruido y pausas conversacionales más naturales, prioridades que importan más para el uso cotidiano que las demostraciones llamativas.

Evolución del modo de voz de ChatGPT

La función de voz de ChatGPT llegó por primera vez en septiembre de 2023 como un conjunto de sistemas distintos: un modelo de reconocimiento de voz separado, un modelo generador de texto y un componente de texto a voz. El resultado funcionaba pero se sentía torpe, con largos retrasos e entonación robótica que delataba rápidamente la naturaleza artificial de la conversación.

Recomendado

El laboratorio de Mira Murati presenta Inkling, un modelo abierto de 975 000 millones de p

En mayo de 2024, OpenAI presentó el Modo de Voz Avanzado, que sonaba mucho más vivo y respondía más rápido al procesar el audio de forma más holística. Aun así, esperaba a que los usuarios terminaran de hablar, a veces interrumpiendo si el usuario vacilaba o si el ruido de fondo causaba confusión. GPT-Live busca eliminar estos retrasos al permitir hablar y escuchar de manera simultánea y fluida.

OpenAI no está sola en el impulso de la interacción vocal simultánea. Gemini Live de Google, las funciones de voz de Copilot de Microsoft y los esfuerzos de Anthropic y Meta avanzan hacia diálogos multimodales, combinando lenguaje hablado con elementos visuales. El espacio de los asistentes de voz se dirige hacia asistentes que hacen más que leer texto en voz alta. Los ganadores serán los que mantengan conversaciones fluidas sin pausas incómodas y muestren rápidamente datos relevantes en pantalla.

El lanzamiento de GPT-Live no es solo una mejora menor: es OpenAI poniéndose al día con los estándares de la industria para la usabilidad de asistentes de voz en el mundo real.

Dicho esto, GPT-Live actualmente no admite escenarios de video o uso compartido de pantalla; esas funciones siguen estando en las versiones anteriores de ChatGPT Voice. OpenAI también reconoce desafíos con acentos y lenguas que tienen patrones de habla irregulares o entonaciones locales distintas. Esto es un obstáculo difícil porque, según Statista, la mayoría de los usuarios de servicios de IA viven fuera de las regiones de habla inglesa, donde tales particularidades son más comunes y se notan de inmediato.

OpenAI también ha reforzado las medidas de seguridad. GPT-Live fue sometido a pruebas específicas para escenarios de audio sensibles que involucran autolesiones, psicosis y dependencia emocional de la IA. El modelo ahora puede reconducir suavemente las conversaciones para alejarse de temas riesgosos o finalizar los chats cuando es necesario. Para los adolescentes, hay restricciones más estrictas y controles parentales. Tras las quejas de que los asistentes de voz se sienten demasiado «personales» o intrusivos, estas salvaguardas se están convirtiendo en estándar para los principales actores.

Los próximos grandes hitos para GPT-Live probablemente dependan de la disponibilidad de la API y de reintroducir funciones de video bajo su nueva arquitectura. Eso revelará si OpenAI pretende pulir su asistente de voz o construir una plataforma para interfaces de voz versátiles que puedan escuchar, hablar, buscar y mostrar resultados relevantes simultáneamente. Si los despliegues van bien, la competencia en el espacio de la IA de voz podría intensificarse significativamente para finales de 2026.

* Meta, mencionada en este artículo, está designada como organización extremista en Rusia y prohibida allí.