OpenAI implementa la función de voz dúplex completo GPT-Live para los usuarios de ChatGPT

OpenAI comenzó a implementar el miércoles un modo de voz rediseñado para los usuarios de ChatGPT, reemplazando el Modo de Voz Avanzado con dos modelos, GPT-Live-1 y GPT-Live-1 mini, que pueden escuchar al usuario y responder al mismo tiempo.

La actualización estará disponible para cuentas de consumidores gratuitas y de pago, y llega un día antes del lanzamiento de la familia de modelos GPT-5.6 por parte de la compañía.

La principal razón del cambio a GPT Live es arquitectónica. Mientras que los modelos de voz anteriores esperaban a que el hablante humano terminara su frase, GPT-Live funciona con full-duplex , que implica procesar el habla de entrada y generar el habla de salida simultáneamente.

Según el anuncio de OpenAI, el modelo decide varias veces por segundo si hablar, seguir escuchando, hacer una pausa, interrumpir o buscar una herramienta. En la práctica, esto significa que un usuario puede hablar por encima de él, detenerse a pensar sin ser interrumpido o escuchar un "mhmm" para indicar que está siguiendo la conversación.

OpenAI lleva GPT-Live a ChatGPT Voice

Las cuentas gratuitas de ChatGPT ahora utilizan por defecto GPT-Live-1 mini, mientras que los suscriptores de los niveles Go, Plus y Pro obtienen la versión más grande, GPT-Live-1.

El lanzamiento abarca iOS, Android y la web, y dado que ChatGPT ya funciona con CarPlay, 9to5Mac señaló que la actualización también llega al automóvil. OpenAI afirma que las nueve voces de ChatGPT se han remasterizado para los nuevos modelos.

También afirmó que diseñó GPT-Live para ser un conversador, no un motor de razonamiento. Para solicitudes más complejas, GPT-Live no lo gestiona todo por sí solo. Según OpenAI, el modelo de voz es capaz de delegar tareas como búsquedas web, razonamiento e incluso respuestas de varios pasos a GPT-5.5 sin interrumpir la conversación.

Se supone que esto soluciona una de las principales deficiencias del modo de voz anterior de ChatGPT, que a veces parecía menos eficaz que la escritura. Los usuarios también podrán elegir entre un modo de respuesta rápida y un modo que requiere más esfuerzo.

OpenAI también está incorporando traducción de voz casi en tiempo real y tarjetas visuales para información meteorológica, cotizaciones bursátiles y resultados deportivos, ofreciendo a los usuarios respuestas en pantalla en lugar de que ChatGPT las lea en voz alta. La compañía afirma que más de 150 millones de personas ya utilizan semanalmente funciones de ChatGPT como la voz y el dictado.

GPT-Live mejora el flujo de voz, pero deja lagunas

Según TechCrunch, que cubrió una conferencia de prensa de OpenAI, la traducción al hindi tenía untronacento estadounidense junto con un lenguaje muy rígido y académico.

Según OpenAI, el modelo funciona mejor con algunos de los idiomas más comunes en ChatGPT, aunque advierten que podría haber problemas con el acento o la fluidez en algunos idiomas. Además, OpenAI indicó que, por el momento, no se admite la combinación de voz con videos ni la función de compartir pantalla.

Si bien OpenAI ha presentado a GPT-Live como una versión más humana de toda su gama de modelos, insiste en que no es un asistente de IA. La compañía también destacó las medidas de seguridad implementadas para garantizar respuestas apropiadas para la edad de los adolescentes. Asimismo, añadió que cuenta con recursos de crisis en caso de que una conversación con un usuario derive en autolesiones.

Los clips de audio de las conversaciones de Live y Advanced Voice se conservan durante 30 días y no se utilizan para entrenar modelos a menos que los usuarios decidan compartirlos.

El abogado Eleti, jefe de producto de ChatGPT Voice, explicó en la reunión informativa que ha mantenido conversaciones de entre 30 y 40 minutos utilizando la función mientras daba paseos, y argumentó que la voz podría convertirse en la principal forma en que las personas realizan tareas más largas y complejas.

El tipo de casos de uso asombrosos que vemos que la gente logra con Codex y ChatGPT nos hacen pensar que la voz puede ser la interfaz del futuro para todo tipo de trabajo

– Eleti vía TechCrunch

El lanzamiento de GPT-5.6 pone el foco en el momento oportuno

La actualización de voz es independiente del lanzamiento del modelo que OpenAI tiene previsto para el jueves.

Según Cryptopolitan, la aprobación de GPT-5.6 para su lanzamiento público se concedió después de que el Departamento de Comercio de Estados Unidos levantara el embargo impuesto durante su revisión de seguridad nacional, y está disponible en tres versiones: Sol, Terra y Luna.

GPT-Live estará disponible a través de la API de OpenAI tras su lanzamiento para el consumidor, y los desarrolladores podrán registrarse para obtener acceso.

Si estás leyendo esto, ya llevas ventaja. Mantente al día con nuestro boletín informativo.