OpenAI lanzó hoy dos nuevos modelos de voz llamados GPT-Live-1 y GPT-Live-1 mini que, según la compañía, aportan importantes mejoras a la funcionalidad de voz de ChatGPT. Quizás recuerde que la compañía lanzó el Modo de voz avanzado en el verano de 2024. Cuando se lanzó, la función era impresionante y parecía una gran mejora con respecto a los asistentes de voz heredados como Siri y Alexa, pero con el tiempo, sus limitaciones comenzaron a volverse más evidentes. Específicamente, el modo de voz avanzado utiliza lo que OpenAI describe como un modelo de voz “por turnos”, que funciona exactamente como la voz. El modelo debe esperar a que el usuario deje de hablar antes de poder responder. Como puedes imaginar, esto a menudo resulta en un movimiento rígido hacia adelante y hacia atrás. Además, debido a que el modelo utiliza el silencio como señal para comenzar a hablar, a menudo malinterpreta una breve pausa como el final de una pregunta o indagación, lo que resulta en interrupciones incómodas.
Por el contrario, la familia de modelos GPT-Live-1 se basa en una arquitectura dúplex. Pueden procesar simultáneamente entradas y producir resultados al mismo tiempo. “Esto permite que el modelo realice un procesamiento de ida y vuelta más natural, mantenga una mejor sensación de sincronización e incluso realice traducciones en vivo”, explica OpenAI. Al mismo tiempo, la empresa ha diseñado GPT-Live para delegar tareas. Si el nuevo modelo de voz determina que su pregunta o comando se beneficiaría del razonamiento, la navegación web u otras capacidades de agente, puede recurrir a otros modelos de OpenAI, incluido GPT-5.5, en busca de ayuda. Este sistema funcionará en segundo plano, permitiéndole continuar la conversación con GPT-Live.
En conjunto, estos cambios dan como resultado una experiencia de voz que OpenAI cree que será más útil para muchas personas. Puedes interrumpir un nuevo modelo de voz en cualquier momento e incluso pedirles que bajen la velocidad si sientes que están hablando demasiado rápido. Cuando hablas, también confirmarán que están escuchando con reconocimientos verbales como “mhmm” y “entiendo”, y OpenAI dice que eso ha hecho que el nuevo modelo se enfoque mejor cuando hay ruidos que distraen de fondo. ChatGPT Voice ahora también puede generar imágenes, en forma de widgets similares a tarjetas, para temas como el clima, deportes, acciones y más. Como antes, la función admite la carga de imágenes y archivos y también puede usarla para buscar en la web.
Al mismo tiempo, OpenAI dijo que ha incorporado nuevas protecciones en ChatGPT Voice. “Cuando el sistema detecta una salida potencialmente insegura, puede dirigir el modelo hacia una respuesta más segura, generar mensajes de seguridad adicionales o finalizar conversaciones de voz en casos de alto riesgo”, dijo la compañía. Los padres y tutores pueden utilizar los controles parentales recientemente introducidos por OpenAI para desactivar ChatGPT Voice para sus adolescentes. Si le han dado a su hijo acceso a ChatGPT Voice y el sistema detecta que están tratando de dirigir la conversación en una dirección contraproducente, el sistema notificará a los padres.
OpenAI comienza a implementar GPT-Live en ChatGPT en Android, iOS y la web a partir de hoy. El GPT-Live 1 será el modelo elegido por quienes paguen por suscripciones Go, Plus y Pro, mientras que las cuentas gratuitas utilizarán el modelo mini Live-1 más pequeño de forma predeterminada.
