El nuevo modelo de voz permite interacciones más fluidas, con pausas, interrupciones y tareas complejas delegadas a otros modelos en segundo plano.
OpenAI presentó GPT-Live, una nueva generación de modelos de voz diseñada para hacer que las conversaciones con ChatGPT sean más fluidas y menos dependientes de rígidos turnos para hablar. El sistema comienza a impulsar ChatGPT Voz en web, iOS y Android.
La novedad principal es su arquitectura full-duplex. A diferencia de los sistemas de voz que esperan a que el usuario termine de hablar para generar una respuesta, GPT-Live puede escuchar y responder de forma continua. Esto permite interrupciones, pausas, señales breves de escucha y un manejo más natural del ritmo conversacional.
Un cambio frente a hablar por turnos
OpenAI contrasta GPT-Live con dos generaciones anteriores. La primera usaba una cadena de modelos separados para convertir voz a texto, generar una respuesta y volver a producir audio. Ese enfoque habilitó las primeras conversaciones habladas con ChatGPT, pero podía introducir latencia y pérdida de matices.
La segunda generación, el modo de voz avanzado, procesaba audio dentro de un modelo más integrado, pero seguía funcionando por turnos. Según OpenAI, esa lógica podía hacer que el sistema respondiera demasiado pronto si detectaba una pausa breve o si confundía ruido de fondo con el final de una intervención.
GPT-Live cambia ese esquema al procesar continuamente la entrada mientras genera salida. El modelo puede decidir varias veces por segundo si debe hablar, esperar, seguir escuchando, interrumpir o usar una herramienta. La compañía afirma que esto también permite traducción en vivo y una mejor adaptación al ritmo del usuario.
Delegación de tareas complejas
OpenAI separa la interacción conversacional del trabajo más profundo. Cuando una consulta requiere búsqueda web, razonamiento más elaborado o capacidades de agente, GPT-Live puede delegar la tarea a otro modelo en segundo plano. En el lanzamiento, la compañía indica que usará GPT-5.5 para ese trabajo.
La lógica es mantener una conversación de baja latencia mientras otra capa procesa respuestas más complejas. Según OpenAI, GPT-Live-1 será el modelo predeterminado para usuarios de planes Go, Plus y Pro, mientras que GPT-Live-1 mini será el modelo predeterminado para usuarios gratuitos.
Disponibilidad y límites iniciales
OpenAI indica que GPT-Live se está implementando para usuarios de ChatGPT en todo el mundo en iOS, Android y ChatGPT.com. La compañía también planea llevar estos modelos a la API, aunque por ahora el anuncio se centra en ChatGPT Voz.
El lanzamiento inicial mantiene restricciones. OpenAI señala que GPT-Live no admitirá voz con video ni pantalla compartida en ChatGPT al momento del debut, aunque trabaja para incorporar esas capacidades. Las versiones anteriores de ChatGPT Voz seguirán disponibles donde correspondan.
La experiencia también puede mostrar tarjetas visuales para ciertos temas, como clima, deportes o acciones. Además, ChatGPT Voz conserva compatibilidad con búsqueda, memoria, imágenes y carga de archivos, según la publicación oficial.
Seguridad adaptada a conversaciones de voz
La voz introduce riesgos distintos a los del texto, porque incorpora tono, ritmo, interrupciones, vínculos emocionales y conversaciones en tiempo real. En la tarjeta de sistema de GPT-Live, OpenAI afirma que entrenó los modelos con salvaguardas específicas para voz y nuevas evaluaciones nativas de audio.
La compañía indica que el sistema puede actuar durante la conversación si detecta contenido potencialmente inseguro. Entre las medidas mencionadas están orientar la respuesta hacia una salida más segura, mostrar recursos adicionales, reproducir mensajes de seguridad o terminar la conversación de voz en casos de mayor riesgo.
OpenAI también afirma que GPT-Live está diseñado para conversar, no para imitar voces de personas reales. El sistema usa voces predefinidas de ChatGPT y cuenta con salvaguardas para evitar imitaciones no autorizadas.
La promesa del lanzamiento es clara: hacer que hablar con un asistente de IA se parezca menos a dictar comandos y más a mantener una conversación. La pregunta pendiente es cómo se comportará GPT-Live en escenarios reales con ruido, acentos diversos, conversaciones largas y temas emocionalmente sensibles. Por ahora, las mejoras reportadas provienen principalmente de las evaluaciones de OpenAI y deberán ser observadas con uso independiente.
Con información de OpenAI, GPT-Live System Card, The Verge y Business Insider.
📬 Newsletter gratuito
