OpenAI presenta los nuevos modelos de voz GPT-Live: ahora la conversación es más natural

OpenAI, líder mundial en inteligencia artificial, ha anunciado los modelos GPT-Live-1 y GPT-Live-1 mini, que llevan la interacción en vivo con los usuarios a un nuevo nivel. Esta tecnología sirve para que el proceso de conversación con ChatGPT sea lo más parecido posible a una interacción natural entre humanos. Los nuevos modelos no solo responden más rápido, sino que también tienen la capacidad de comprender y adaptarse directamente al discurso del interlocutor. Así lo informa Techcrunch.com reporta .

La característica más importante de los modelos de nueva generación es su funcionamiento en sistema «full-duplex». Esto significa que ChatGPT ahora puede escuchar y hablar al mismo tiempo. Mientras que en versiones anteriores era necesario esperar a que el usuario terminara de hablar, con los modelos GPT-Live surgió la posibilidad de interrumpir la conversación de forma natural o utilizar funciones de traducción en vivo. Según Ixbt.com, la compañía está trasladando completamente la función Advanced Voice Mode de la aplicación ChatGPT al modelo GPT-Live-1 mini.

Revolución tecnológica y potencial intelectual

Anteriormente, la comunicación por voz consistía en un proceso complejo de tres etapas: el habla se convertía en texto, el modelo de texto preparaba una respuesta y luego se convertía nuevamente en voz. Los nuevos modelos acortan esta cadena procesando la información directamente. Esto elimina problemas como las pausas inapropiadas del sistema mientras el usuario habla o la incapacidad de dar respuestas lo suficientemente inteligentes. Además, el nuevo modo de voz puede conectarse a los modelos de texto más recientes, como GPT-5.5, para realizar tareas lógicas complejas.

Según los representantes de OpenAI, los modelos GPT-Live tienen la capacidad de permanecer en silencio durante mucho tiempo, asimilar el contexto de la conversación y entrar en comunicación solo cuando es necesario. Además, el nuevo sistema también puede presentar datos visuales. Esto permite no solo hablar con ChatGPT, sino también trabajar con materiales visuales interactivos. Este enfoque también está siendo utilizado activamente por startups como Monogram.

La interfaz de voz, la base del futuro

Atti Eleti, líder del proyecto ChatGPT Voice, destaca que la comunicación por voz podría convertirse en el método principal para trabajar con computadoras en el futuro. En su experiencia, informó haber mantenido conversaciones largas y significativas de hasta 40 minutos utilizando esta función. La compañía no ve al asistente de voz como una simple herramienta de búsqueda, sino como una interfaz principal que gestiona tareas complejas.

Actualmente, más de 150 millones de personas utilizan las funciones de voz y dictado de ChatGPT. En un entorno competitivo, Apple y Amazon también están trabajando para hacer que sus asistentes virtuales sean más naturales. Se ha informado que OpenAI está considerando no solo el software, sino también dispositivos futuros como auriculares con AI, aunque no se proporcionó información sobre hardware en la presentación oficial.