OpenAI lanza la voz full-duplex GPT-Live a los usuarios consumidores de ChatGPT

OpenAI comenzó a lanzar un modo de voz reconstruido a los usuarios consumidores de ChatGPT el miércoles, reemplazando el Modo de Voz Avanzado con dos modelos, GPT-Live-1 y GPT-Live-1 mini, que puede escuchar a un usuario y responder al mismo tiempo.

La actualización estará disponible para cuentas de consumidores gratuitas y de pago y llega un día antes del lanzamiento de la familia de modelos GPT-5.6 por parte de la empresa.

La razón principal detrás del cambio a GPT Live es arquitectónica. Mientras que los modelos de voz anteriores esperarían a que el hablante humano terminara su oración, GPT-Live opera basándose en la arquitectura full-duplex de OpenAI, que implica procesar el habla de entrada mientras se genera el habla de salida al mismo tiempo.

Según el anuncio de OpenAI, el modelo decide varias veces por segundo si hablar, seguir escuchando, hacer una pausa, interrumpir o recurrir a una herramienta. En la práctica, eso significa que un usuario puede hablar por encima de él, detenerse para pensar sin ser interrumpido, o escuchar que emite un «mhmm» para indicar que está siguiendo el hilo.

OpenAI trae GPT-Live a ChatGPT Voice

Las cuentas gratuitas de ChatGPT ahora tienen por defecto GPT-Live-1 mini, mientras que los suscriptores de los niveles Go, Plus y Pro obtienen el GPT-Live-1 más grande.

El lanzamiento cubre iOS, Android y la web, y dado que ChatGPT ya funciona a través de CarPlay, 9to5Mac señaló que la actualización también llega al coche. OpenAI dice que las nueve voces en ChatGPT han sido remasterizadas para los nuevos modelos.

También indicó que construyó GPT-Live para ser un conversacionalista, no un motor de razonamiento. Para solicitudes más complejas, GPT-Live no lo maneja todo por sí solo. Según OpenAI, el modelo de voz es capaz de delegar tareas como la búsqueda web, el razonamiento e incluso respuestas multietapa a GPT-5.5 sin pausar la conversación de voz.

Esto se supone que aborda una de las principales deficiencias del modo de voz anterior de ChatGPT, donde a veces parecía ser menos potente en comparación con escribir. Los usuarios también tendrán la opción de seleccionar entre un modo de respuesta rápida y un modo de alto esfuerzo.

OpenAI también está añadiendo traducción de voz casi en tiempo real y tarjetas visuales para el clima, los precios de las acciones y los marcadores deportivos, dando a los usuarios algunas respuestas en pantalla en lugar de tener que escuchar a ChatGPT leer todo en voz alta. La empresa dijo que más de 150 millones de personas ya utilizan funciones de ChatGPT como Voz y Dictado cada semana.

GPT-Live mejora el flujo de voz pero deja lagunas

Según TechCrunch, que cubrió una conferencia de prensa de OpenAI, la traducción al hindi tenía un fuerte acento estadounidense junto con un lenguaje muy rígido y literario.

Según OpenAI, el modelo funciona mejor para «algunos de los idiomas más comunes en ChatGPT», aunque advierten que podría haber un problema con el acento o la fluidez en algunos idiomas. Además, OpenAI declaró que la voz combinada con videos y la compartición de pantalla no está soportada por el momento.

Aunque OpenAI ha presentado GPT-Live como una versión más humana de toda su línea de modelos, insiste en que no es un compañero de IA. La empresa también destacó las salvaguardas que había implementado para garantizar respuestas apropiadas para la edad de los adolescentes. También añadió que hay recursos de crisis disponibles en caso de que una conversación del usuario esté orientada hacia el autolesionarse.

Los clips de audio de las conversaciones de Live y Advanced Voice se conservan durante 30 días y no se utilizan para entrenar modelos a menos que los usuarios elijan compartirlos.

Atty Eleti, líder de producto de ChatGPT Voice, dijo en la sesión informativa que ha mantenido conversaciones de 30 a 40 minutos con la función mientras caminaba, y argumentó que la voz podría convertirse en una forma principal de que las personas realicen tareas más largas y complejas.

Los tipos de casos de uso increíbles que vemos que las personas utilizan Codex y ChatGPT para lograr, creemos que la voz puede ser la interfaz del futuro para todo tipo de trabajo

– Eleti a través de TechCrunch

El lanzamiento de GPT-5.6 pone el momento en el centro de atención

La actualización de voz es independiente del lanzamiento del modelo que OpenAI ha programado para el jueves.

Según Cryptopolitan, la aprobación de GPT-5.6 para su lanzamiento público fue otorgada después de que el Departamento de Comercio de EE. UU. hubiera levantado el embargo impuesto durante su revisión de seguridad nacional, y está disponible en tres versiones: Sol, Terra y Luna.

GPT-Live está programado para llegar a la API de OpenAI después del lanzamiento al consumidor, con los desarrolladores capaces de registrarse para obtener acceso.