OpenAI lanza GPT-Live, la nueva generación de modelos de voz que habla y escucha al mismo tiempo

El laboratorio de inteligencia artificial (IA) OpenAI ha presentado su nueva generación de modelos de voz, a la que ha denominado GPT-Live, que se distingue por mantener una conversación real que el usuario incluso puede interrumpir.

A través de un comunicado en su web, OpenAI ha anunciado el despliegue de GPT-Live, una nueva generación de modelos de voz que se caracteriza principalmente porque pueden escuchar y hablar al mismo tiempo, lo que propicia una interacción natural entre el usuario y la IA.

No solamente se distingue porque GPT-Live puede escuchar y hablar a la vez, sino también por incluir expresiones como "ajá" o "claro" que enriquecen la charla natural con la IA, y porque es capaz, al instante, de cambiar de tema, realizar intercambios rápidos, que el usuario pueda interrumpirlo en todo momento o mostrar tarjetas visuales (tiempo, bolsa y más).

GPT-Live es, según las palabras de OpenAI, "el modelo de voz más inteligente hasta la fecha" de la firma tecnológica. Se apoya en GPT-5.5 en segundo plano para realizar tareas como la búsqueda web, el razonamiento más profundo o el trabajo más complejo.

"Con el tiempo, creemos que esta investigación también facilitará el uso de la voz para trabajos cada vez más complejos, de mayor duración y más agénticos", ha afirmado OpenAI, oteando el futuro que le depara a este tipo de experiencia en el día a día del usuario.

Hasta ahora, la tecnología detrás de la experiencia de lenguaje natural por voz de ChatGPT usaba sistemas en cascada, que encadenaban tres modelos independientes (transcripción, procesamiento de texto y síntesis de voz), lo que provocaba respuestas lentas, pausas largas y pérdida de información; y los modelos por turnos, que principalmente dependían del silencio para detectar cuándo responder.

OpenAI ha abordado estas limitaciones en GPT-Live con dos soluciones. Una es la interacción continua, que, en vez de procesar una secuencia de mensajes separados, procesa la entrada de forma continua mientras genera la salida (que hable y escuche al mismo tiempo, o haga una pausa al igual que interrumpe), mientras que la segunda delega procesos de trabajo en otros modelos, lo que le permite seguir la conversación.

Asimismo, el laboratorio de IA ha incluido nuevas medidas de seguridad en ChatGPT Voz. "Cuando el sistema detecta una respuesta potencialmente insegura, puede redirigir el modelo hacia una más segura, mostrar mensajes de seguridad adicionales o finalizar la conversación en los casos de mayor riesgo", señala OpenAI desde su blog.

Además, a través de los Controles parentales, los padres pueden decidir si sus hijos adolescentes tienen acceso a la función de voz. Y en situaciones de mayor riesgo, si el sistema detecta indicios de posibles autolesiones o intención suicida, los padres recibirán un aviso.

OpenAI ha comenzado este miércoles con el despliegue de GPT-Live en ChatGPT para Android, iOS y la web. Esta nueva generación llega en dos versiones. Una es GPT-Live-1, el modelo destinado a los usuarios que pagan por las suscripciones Go, Plus y Pro, mientras que GPT-Live-1 mini estará disponible para las cuentas gratuitas.

GPT-Live estará disponible dentro de poco en la API y las empresas y desarrolladores tienen ya la oportunidad de registrarse para recibir el aviso.