OpenAI anunció el lanzamiento de dos nuevos modelos de voz conversacional - GPT‑Live‑1 y GPT‑Live‑1 mini - en una rueda de prensa el martes. Ambos modelos operan en modo de duplex completo, lo que significa que pueden escuchar y hablar al mismo tiempo, una capacidad que la empresa dice permitirá a los usuarios interrumpir de manera natural y mantener conversaciones fluidas sin las pausas incómodas que han plagado a los asistentes de voz anteriores.
GPT‑Live‑1, el más grande de los dos, estará disponible para los suscriptores de ChatGPT en los niveles de pago. La versión mini, una variante simplificada, reemplaza el modo de voz avanzado existente como el valor predeterminado para todos los usuarios. OpenAI explicó que los nuevos modelos envían cada consulta hablada a su último motor de texto, GPT‑5.5, que maneja la búsqueda, el razonamiento y las tareas agénticas antes de que la respuesta se devuelva al usuario.
Más allá de un intercambio de turnos más suave, la actualización introduce varias características nuevas. El modo de voz ahora puede permanecer silencioso durante períodos prolongados, absorbiendo el contexto hasta que se le solicite, lo que la empresa demostró al tener al asistente escuchando en silencio mientras un usuario caminaba durante hasta 40 minutos. También se admite la traducción en vivo; una demostración mostró la traducción al hindi, aunque la salida conservó un acento americano pronunciado y un tono ligeramente formal.
OpenAI destacó la salida visual como otro elemento diferenciador. Cuando el nuevo modo de voz se conecta a GPT‑5.5, puede complementar las respuestas habladas con gráficos, cuadros o otros elementos visuales en pantalla, lo que recuerda a los movimientos de startups como Monogram, que recaudó $40 millones para integrar elementos visuales en las respuestas de la IA.
Las medidas de seguridad también recibieron una mención. Los modelos incluyen filtros adecuados para la edad y pueden proporcionar recursos si una conversación se desvía hacia el autolesión u otros temas sensibles. OpenAI enfatizó que la función de voz no está destinada a ser un compañero, sino una interfaz sin manos para tareas complejas y de ejecución prolongada.
Los rivales de la industria están compitiendo para cerrar la brecha conversacional. Apple y Amazon han actualizado recientemente a Siri y Alexa con un mejor manejo de contexto, mientras que nuevos participantes como Sesame - fundada por el cofundador de Oculus, Brendan Iribe - están lanzando asistentes que combinan diálogo natural con la ejecución de tareas en segundo plano. El anuncio de OpenAI lo posiciona firmemente en esta competencia hacia una IA de voz más expresiva y similar a la humana.
Según la empresa, más de 150 millones de personas ya interactúan con ChatGPT a través de la voz o la dictación. Los nuevos modelos, diseñados para "la mayoría de los idiomas hablados", tienen como objetivo ampliar ese alcance, aunque OpenAI no especificó la lista completa de idiomas. No se anunció ningún hardware, como auriculares con IA, a pesar de la especulación de que la empresa podría explorar dichos productos más adelante este año.
Cet article a été rédigé avec l'assistance de l'IA.
News Factory APP - actualités agentiques pour booster votre SEO et AEO.