OpenAI ha presentado recientemente dos modelos conversacionales que prometen revolucionar la interacción entre humanos y asistentes virtuales. Los nuevos sistemas, denominados GPT-Live-1 y GPT-Live-1 mini, buscan ofrecer una experiencia de voz más fluida y natural en la plataforma ChatGPT. Esta actualización es parte de un esfuerzo continuo de la empresa para acercar la comunicación con inteligencia artificial a un nivel que refleje más de cerca las dinámicas de una conversación humana.

Una de las características más destacadas de estos modelos es su diseño full-duplex, lo que significa que ChatGPT puede hablar y escuchar simultáneamente. Esta capacidad permite que los usuarios interrumpan de manera natural y que la inteligencia artificial responda en tiempo real, facilitando una conversación más dinámica. OpenAI ha señalado que esta innovación incluye la posibilidad de realizar traducciones en tiempo real, lo que transforma la interacción en una experiencia más cotidiana y accesible para los usuarios.

Con el lanzamiento de GPT-Live-1 mini como la configuración estándar, la empresa ha decidido reemplazar el anterior modo Advanced Voice Mode. Los suscriptores de las versiones de pago de ChatGPT tendrán acceso al modelo más robusto, GPT-Live-1, que está diseñado para ofrecer un rendimiento superior. Antes de esta actualización, la plataforma se basaba en tres componentes separados: un modelo de reconocimiento de voz, un modelo de lenguaje y un generador de voz, lo que limitaba la fluidez de las interacciones.

OpenAI ha destacado que los nuevos modelos resuelven problemas comunes que enfrentaban las versiones anteriores, como la incapacidad para manejar interrupciones o la inexactitud en las respuestas. Ahora, el sistema utiliza las capacidades de los modelos de texto más avanzados, como GPT-5.5, para optimizar la búsqueda, el razonamiento y la gestión de tareas complejas, manteniendo simultáneamente la conversación activa. Esta mejora es un paso significativo hacia un asistente más eficiente que puede adaptarse a las necesidades cambiantes de los usuarios.

Otra novedad importante es la habilidad de estos modelos para permanecer en silencio y comprender el contexto durante períodos prolongados, eligiendo responder solo cuando el usuario lo requiere. Además, el sistema de voz puede presentar información visual, aprovechando su acceso a los modelos más recientes de GPT, algo que otras compañías tecnológicas también están comenzando a explorar. Esta capacidad de interacción multimodal es un avance relevante que abre nuevas posibilidades para el uso de asistentes virtuales en entornos diversos.

Atty Eleti, responsable del producto de ChatGPT Voice, compartió durante la presentación que ha logrado mantener conversaciones de hasta 40 minutos con el asistente mientras se encuentra en movimiento. Esta evolución sugiere que la voz podría convertirse en la principal interfaz para realizar tareas informáticas complejas, superando las limitaciones de simples comandos de voz. OpenAI estima que más de 150 millones de personas ya utilizan funciones de voz y dictado en ChatGPT, lo que subraya el impacto y la aceptación de esta tecnología en el día a día de los usuarios.

A pesar de estas innovaciones, OpenAI ha enfatizado que su intención no es promover su tecnología como un “compañero digital”, sino como una herramienta efectiva y segura para facilitar tareas. Se han implementado salvaguardas para asegurar que los contenidos sean apropiados para adolescentes y que se aborden temas sensibles con la debida consideración. Este enfoque responsable es clave para el futuro de la inteligencia artificial y su integración en la vida cotidiana de las personas.