·
·
Thursday, 9 July 2026dailybeirut.com
IA
OpenAI lanza GPT-Live-1 y GPT-Live-1 mini, modelos de voz que permiten interacciones simultáneas y conversaciones más fluidas.
OpenAI lanzó hoy dos nuevos modelos conversacionales denominados GPT-Live-1 y GPT-Live-1 mini, que prometen una voz más natural y una mejor gestión de los turnos en la conversación. Estos modelos funcionan en modo dúplex completo, lo que significa que pueden hablar y escuchar al mismo tiempo, facilitando interrupciones naturales y habilitando funciones como la traducción en tiempo real.
La empresa anunció que reemplazará el modo de voz avanzada actual en ChatGPT por defecto con GPT-Live-1 mini, mientras que los usuarios de las suscripciones de pago podrán acceder al modelo más grande GPT-Live-1. El modelo anterior combinaba un sistema de reconocimiento de voz para transcribir el habla, un modelo de lenguaje para generar respuestas y un sistema de síntesis de voz para entregar la respuesta final.
Durante una rueda de prensa, OpenAI explicó que estos nuevos modelos solucionan problemas como la interrupción de usuarios mientras hablan y la falta de inteligencia suficiente para responder preguntas. Los modelos enviarán las consultas a las versiones más recientes de sus modelos de texto, como GPT-5.5, para realizar búsquedas, razonamientos o tareas agentivas, manteniendo la conversación activa.
Además, demostraron que el modelo puede permanecer en silencio durante largos periodos y absorber el contexto conversacional hasta ser llamado. Al contar con acceso a modelos GPT más avanzados, el nuevo modo de voz también puede presentar información en formato visual. Otras startups, como Monogram, que obtuvo 40 millones de dólares en financiación semilla de DST y Lux Capital, también apuestan por respuestas visuales para hacer los asistentes más interactivos.
OpenAI señaló que el nuevo modo de voz está diseñado para sostener conversaciones más prolongadas. Durante la presentación, Atty Eleti, líder del producto ChatGPT Voice, mencionó que ha mantenido conversaciones de entre 30 y 40 minutos utilizando esta función mientras caminaba.
La compañía considera que la voz podría convertirse en la interfaz principal para realizar trabajos complejos en computación. Según informes, OpenAI podría lanzar este año unos auriculares con capacidades de inteligencia artificial, aunque no ofreció detalles sobre productos de hardware.
“Con el tiempo, creemos que esto también desbloqueará la capacidad de usar la voz como una interfaz principal para la computación y para gestionar trabajos agentivos complejos y de larga duración. Los casos de uso sorprendentes que vemos con Codex y ChatGPT creemos que la voz puede ser la interfaz futura para todo tipo de trabajo”, afirmó Eleti.
En los últimos años, OpenAI ha trabajado para mejorar las funciones basadas en voz y lograr que el modo de voz de ChatGPT suene más natural. La empresa indicó que más de 150 millones de personas utilizan ChatGPT mediante funciones como Voice y Dictation.
Competidores también buscan hacer que sus asistentes sean más expresivos. Apple y Amazon han actualizado sus asistentes para que sean más conversacionales y manejen mejor el contexto. Startups como Sesame, fundada por Brendan Iribe y Ankit Kumar, han lanzado asistentes de inteligencia artificial que mantienen conversaciones naturales mientras realizan tareas en segundo plano.
OpenAI avanza en esta misma dirección, con el objetivo de permitir que los usuarios hablen con su asistente sin usar las manos durante períodos más largos. A pesar de afirmar que el nuevo modo de voz suena más natural, la empresa aclaró que no pretende convertirlo en un compañero de inteligencia artificial. También destacó que los nuevos modelos incluyen mecanismos para ofrecer respuestas adecuadas a la edad de adolescentes y proporcionar recursos si la conversación aborda temas como el autolesionismo.
El nuevo modo de voz aún presenta áreas de mejora. En la demostración, al mostrar la función de traducción en vivo en hindi, el asistente presentó un marcado acento estadounidense y un hindi poco natural, con un tono algo formal. OpenAI afirmó que el modo está optimizado para “la mayoría de los idiomas hablados”, sin especificar cuáles.
