OpenAI lanzó GPT-Live, una nueva versión del modo de voz de ChatGPT que promete conversaciones más naturales al permitir interrupciones, pausas y respuestas en tiempo real. La función, que ya se despliega en iOS, Android y la versión web, busca superar la rigidez de los turnos tradicionales de voz.
Según informó la compañía liderada por Sam Altman, GPT-Live utiliza una arquitectura denominada full-duplex, que permite que la inteligencia artificial escuche mientras genera una respuesta, reduciendo así la sensación de estar ante una sucesión de comandos. En una demostración en vivo, el presidente de OpenAI, Greg Brockman, mostró cómo el sistema ajusta las interrupciones de forma más natural, sin cortes secos.
¿Qué cambia con GPT-Live?
OpenAI explicó que el primer modo de voz de ChatGPT funcionaba como un sistema en cascada: un modelo transcribía la voz, otro generaba la respuesta y un tercero la convertía en audio. El modo avanzado de voz integró esos pasos en un solo modelo, pero seguía operando por turnos. GPT-Live, en cambio, procesa la conversación de forma continua, decidiendo varias veces por segundo si debe hablar, escuchar, pausar o usar una herramienta.
Entre las nuevas capacidades prácticas, los usuarios podrán interrumpir con una pregunta, hacer una pausa para pensar o pedirle al sistema que hable más despacio. La voz también puede responder con señales breves como “mmm” o “sí” para indicar que sigue escuchando, y la compañía asegura que ha mejorado su capacidad para centrarse en la voz del usuario cuando hay ruido de fondo.
A esto se suman las nueve voces remasterizadas de ChatGPT para GPT-Live, respuestas visuales en forma de tarjetas para consultas como el clima, deportes, bolsa y otros datos rápidos, además del soporte para búsqueda, memoria, imágenes y subida de archivos.
Razonamiento y disponibilidad
OpenAI detalló que GPT-Live puede delegar búsquedas web, razonamiento o tareas complejas en sus modelos frontera, mientras mantiene viva la conversación. En el lanzamiento, esa capa de apoyo será GPT-5.5, aunque la compañía indicó que irá actualizando el modelo de fondo a medida que publique nuevas generaciones. El modo de voz también permitirá elegir entre niveles de razonamiento: Instant para respuestas rápidas, y Medium o High cuando se requiera más tiempo de análisis.
En sus evaluaciones internas, OpenAI sostiene que GPT-Live-1 y su versión mini (destinada a cuentas gratuitas) superan al modo de voz avanzado en conversaciones de cinco a diez minutos, tanto en preferencia general como en fluidez, interrupciones, turnos y naturalidad. También se citan avances en razonamiento científico, búsqueda agente y tareas de soporte telefónico simuladas. No obstante, estos resultados provienen de la propia compañía y están pendientes de verificación independiente.
Disponibilidad y limitaciones
GPT-Live comienza a desplegarse desde hoy para usuarios de ChatGPT en iOS, Android y ChatGPT.com. OpenAI habla de un despliegue global sin mencionar exclusiones específicas, aunque en otros lanzamientos de funciones de IA hubo dudas o retrasos en la Unión Europea. GPT-Live-1 será el modelo por defecto para los usuarios de Go, Plus y Pro, mientras que las cuentas gratuitas usarán GPT-Live-1 mini. La API llegará más adelante, sin fecha concreta.
Una limitación importante del lanzamiento es que GPT-Live no admite por ahora voz con vídeo ni pantalla compartida en ChatGPT, aunque OpenAI señaló que trabaja para introducir esas capacidades en el futuro.
Comentarios
Comparte tu opinión de manera respetuosa.
Inicia sesión para dejar un comentario.