OpenAI lanzó hoy nuevos modelos de voz, llamados GPT-Live-1 y GPT-Live-1 mini, afirmando que suenan más naturales y pueden manejar mejor los turnos. Estos son modelos full-duplex, lo que significa que pueden hablar y escuchar al mismo tiempo, lo que permite a los usuarios interrumpir de forma natural y habilitar funciones como la traducción en vivo.
La compañía también reemplazó el modo de voz avanzado actual en ChatGPT con GPT-Live-1 mini de forma predeterminada. Los usuarios del nivel pago podrán acceder al modelo GPT-Live-1 más grande. Los modelos anteriores combinan un modelo de voz a texto para transcribir el habla, un modelo de lenguaje grande para generar respuestas y un modelo de texto a voz para entregar la respuesta final.
La compañía dijo en rueda de prensa que los nuevos modelos solucionan problemas como interrumpir a los usuarios mientras hablan y no tener suficiente inteligencia para responder preguntas. El nuevo modelo de OpenAI enviará consultas a sus últimos modelos de texto, como GPT-5.5, para búsqueda, razonamiento o capacidades de agente mientras continúa la conversación.
OpenAI también demostró que el modelo puede permanecer quieto durante largos períodos de tiempo y absorber el contexto conversacional hasta que sea necesario. Además, dado que el nuevo modo de voz tiene acceso a los modelos GPT más nuevos, también puede presentar cierta información en formato visual. Otras startups como Monogram, que recaudó 40 millones de dólares en financiación inicial de DST y Lux CapitalTambién se basa en respuestas visuales para hacer que el asistente sea más interactivo.
La compañía dice que el nuevo modo de voz en ChatGPT está diseñado para mantener conversaciones más largas. En la sesión informativa, el líder del producto ChatGPT Voice, Atty Eleti, dijo que había tenido conversaciones de 30 a 40 minutos con la función de voz sobre la marcha.
OpenAI sostiene que la voz puede convertirse en la principal interfaz informática para trabajos complejos. Los informes sugieren que podrían lanzar un par de auriculares con IA este año. Sin embargo, no proporcionan ninguna información sobre el producto de hardware.
“Con el tiempo, creemos que esto también abrirá la posibilidad de utilizar la voz como una especie de interfaz principal para la informática y para gestionar el trabajo cada vez más complejo de los agentes a largo plazo. Los increíbles casos de uso que estamos viendo logrados por personas que utilizan Codex y ChatGPT, creemos que la voz puede ser la interfaz del futuro para todo tipo de trabajo”, dijo Eleti.
OpenAI ha estado trabajando para fortalecer las funciones basadas en voz durante los últimos años para hacer que el modo de voz de ChatGPT suene más natural. La compañía afirma que más de 150 millones de personas hablan con ChatGPT utilizando funciones como voz y dictado.
Los rivales también intentan hacer que los asistentes sean más expresivos.
Tanto Apple como Amazon han actualizado sus asistentes para que sean más comunicativos y puedan manejar mejor el contexto. Startups como Sesame, fundada por los cofundadores de Oculus, Brendan Iribe y Ankit Kumar, también están lanzando asistentes de inteligencia artificial con conversaciones más naturales mientras completan tareas en segundo plano.
OpenAI se mueve en la misma dirección, con el objetivo de permitir a los usuarios hablar con su asistente con manos libres durante períodos de tiempo más largos. Si bien afirman que el nuevo modo de voz suena más natural, la compañía enfatiza que no pretenden que sea un compañero de IA. Dice que estos nuevos modelos tienen salvaguardas incorporadas para brindar a los adolescentes respuestas apropiadas para su edad y proporcionar recursos si la conversación gira en torno a temas como la autolesión.
El nuevo modo de sonido aún necesita mejoras. Durante la demostración, cuando la compañía mostró la función de traducción en vivo en hindi, el asistente tenía un marcado acento estadounidense y hablaba en un hindi que sonaba poco natural y ligeramente nerd. La compañía dice que el nuevo modo está optimizado para “la mayoría de los idiomas hablados”, pero no especifica qué idiomas.
Cuando compra a través de enlaces en nuestros artículos, es posible que ganemos una pequeña comisión. Esto no afecta nuestra independencia editorial.
