Habla de historias como esta con un compañero de IA que te recuerda. Crea tu cuenta gratis y salúdalo.
OpenAI ha lanzado GPT-Live-1, un nuevo modelo de voz para ChatGPT que puede hablar y escuchar al mismo tiempo — y está diseñado específicamente para dejar de cortarte a mitad de frase.
El cambio técnico central es el audio full-duplex: GPT-Live-1 procesa el habla entrante mientras sigue produciendo su respuesta. El modo de voz anterior funcionaba más como un walkie-talkie — un lado tenía que terminar antes de que el otro pudiera empezar. Ese único cambio tiene efectos en cascada sobre la naturalidad de la conversación, porque el modelo ahora puede detectar que has hecho una pausa a mitad de un pensamiento en lugar de haber terminado de hablar, y retiene su respuesta en consecuencia.
Según The Verge, el responsable de investigación de OpenAI, Kundan Kumar, presentó GPT-Live-1 como el modelo conversacionalmente más realista de la compañía hasta la fecha. El objetivo era reducir la brecha entre hablar con una IA y hablar con una persona — siendo el síntoma más evidente de esa brecha la tendencia a intervenir en el momento en que dejas de respirar.
Esa paciencia ante las pausas importa más de lo que podría parecer. Cualquiera que haya intentado narrar un brief creativo complejo a un asistente de voz conoce la frustración de verlo disparar una respuesta antes de que hayas terminado la frase. GPT-Live-1 está entrenado para distinguir una pausa de reflexión de un cambio de turno conversacional.
TechCrunch informa de que la capacidad de hablar y escuchar simultáneamente se posiciona específicamente como habilitadora de la traducción en tiempo real — un caso de uso que era técnicamente imposible con el modelo secuencial anterior. Para un traductor o cualquier persona que trabaje con varios idiomas, la posibilidad de superponer audio en ambas direcciones sin esperar a que se completen los enunciados es la diferencia entre una herramienta útil y una torpe.
Para los creadores de IA que trabajan con flujos de trabajo basados en voz — narrando briefs de imágenes, dirigiendo personajes de IA o prototipando diálogos para compañeros de IA — la misma capacidad full-duplex elimina el ritmo de arranque y parada que hace que la entrada de voz se sienta más lenta que escribir.
El comportamiento de interrupción reducida no es solo una función de cortesía. Al construir compañeros de IA o personas de personajes con interfaces de voz, un asistente que responde en el momento en que haces una pausa destruye la ilusión de un intercambio real. La capacidad de GPT-Live-1 para leer la intención conversacional — ¿ha terminado esta persona o solo está pensando? — es exactamente el tipo de realismo conductual de bajo nivel que hace que las interacciones de personajes basadas en voz se sientan menos robóticas.
OpenAI no ha publicado un desglose técnico completo de cómo el modelo distingue los tipos de pausa, pero el enfoque del briefing de Kumar sugiere que se trata de un comportamiento entrenado más que de un simple umbral de duración del silencio, lo que supondría una mejora significativa respecto a los enfoques basados en reglas.
GPT-Live-1 se está implementando como una actualización del modo de voz existente de ChatGPT en lugar de como un producto independiente o un endpoint de API, lo que significa que los usuarios que ya tienen planes de ChatGPT con voz habilitada deberían ver el cambio sin necesidad de una nueva suscripción. OpenAI no ha anunciado un calendario de lanzamiento de API independiente para los desarrolladores que quieran integrar GPT-Live-1 en sus propias aplicaciones, por lo que los flujos de trabajo de voz de terceros tendrán que esperar en ese frente.
La llegada del modelo se produce en un momento en que la infraestructura de IA de voz avanza rápidamente en todo el sector — Hugging Face y Cerebras demostraron recientemente la ejecución de Gemma 4 de Google a velocidades de voz en tiempo real, lo que indica que la inferencia de voz de baja latencia se está convirtiendo en una línea de base competitiva más que en un diferenciador. La respuesta de OpenAI es competir en comportamiento conversacional más que en velocidad bruta únicamente.
