OpenAI anunció una actualización importante para las capacidades de voz de ChatGPT en una rueda de prensa el martes, presentando GPT‑Live‑1, el "modelo de voz más inteligente" de la empresa hasta la fecha. A diferencia del sistema basado en turnos anterior, GPT‑Live‑1 opera en modo de doble vía, lo que significa que puede procesar entrada hablada y generar salida hablada al mismo tiempo. El resultado, según el líder de investigación Kundan Kumar, es una conversación que se siente más como hablar con otra persona y menos como esperar a que una máquina termine antes de que puedas hablar.
El nuevo modelo está diseñado para interrumpir a los usuarios con menos frecuencia. Si te detienes a mitad de frase, GPT‑Live‑1 espera a que continúes en lugar de cortarte. Cuando una pregunta requiere un razonamiento más profundo o una búsqueda en la web, el modelo transfiere automáticamente la consulta a los motores de texto más avanzados de OpenAI, como GPT‑5.5, antes de entregar una respuesta hablada. Esta transferencia fluida acorta el retardo entre hacer una pregunta y escuchar una respuesta.
Más allá del diálogo más fluido, GPT‑Live‑1 agrega contexto visual a las interacciones de voz. Los usuarios que preguntan sobre el clima verán un gráfico de previsión del tiempo generado por IA; las consultas sobre las acciones o los resultados deportivos activan gráficos y tableros en tiempo real. El líder de producto Atty Eleti describió la característica como "complementar conversaciones con visuales generadas por IA", un movimiento que podría hacer que los asistentes de voz sean más útiles para verificaciones de datos rápidas.
La traducción en tiempo real es otra característica destacada. Anteriormente, los usuarios tenían que terminar de hablar antes de que el sistema pudiera traducir sus palabras. Ahora el modelo traduce en el acto, permitiendo conversaciones bilingües sin pausas incómodas. Los usuarios también pueden ordenar a la voz que permanezca silenciosa hasta que se le solicite, una capacidad que no era posible con el modelo anterior. Al escuchar, GPT‑Live‑1 reconoce con breves expresiones como "mhmm", "sí" o "entendido", señalizando que sigue comprometido.
OpenAI dijo que la actualización incluye capas de seguridad mejoradas. Las salvaguardias integradas alejan al modelo de respuestas dañinas y pueden terminar chats por completo en situaciones de mayor riesgo. La empresa destacó dos nuevas funciones de soporte: asistencia de línea de crisis verificada por expertos para discusiones sobre autolesiones y respuestas adecuadas para la edad para usuarios adolescentes. Estas medidas llegan mientras OpenAI enfrenta una serie de demandas que alegan que ChatGPT contribuyó a problemas de salud mental de los usuarios.
GPT‑Live‑1 se está implementando en iOS, Android y la web. Proporcionará la experiencia de voz para los suscriptores de ChatGPT Go, Plus y Pro, mientras que una variante más pequeña y eficiente servirá a los usuarios gratuitos de forma predeterminada. OpenAI espera que el modelo de doble vía abra la puerta a características futuras como conversaciones continuas, salidas multimodales más ricas y una integración más estrecha con la creciente suite de herramientas de IA de la empresa.
Los observadores de la industria ven el lanzamiento como un paso significativo hacia hacer que los asistentes de voz se sientan menos robóticos y más conversacionales. Al reducir las interrupciones, agregar ayudas visuales y habilitar la traducción en el acto, OpenAI está abordando quejas de larga data sobre interacciones de voz torpes. El énfasis de la empresa en la seguridad y el soporte de crisis también señaliza una creciente conciencia de las apuestas éticas que rodean la IA conversacional.
Mientras que las nuevas capacidades probablemente atraerán a más usuarios a los niveles de pago, el lanzamiento será observado de cerca por reguladores y grupos de derechos de los consumidores, especialmente dado el litigio pendiente. La capacidad de OpenAI para equilibrar la innovación con la implementación responsable dará forma a qué tan rápido se convierte la IA de voz en un elemento básico en la vida digital diaria.
This article was written with the assistance of AI.
News Factory APP - agentic news to boost your SEO & AEO.