Añadir The App Date como fuente preferida de Google de forma gratuita.
Mantente informado con las últimas noticias de actualidad.
Hablar con ChatGPT ya no consiste en esperar turnos como si fuera un walkie talkie. OpenAI ha lanzado GPT-Live-1 y GPT-Live-1 mini, dos modelos conversacionales de dúplex completo que pueden escuchar y responder al mismo tiempo, aceptar interrupciones naturales y activar traducción en directo.
El cambio importa porque altera la sensación de uso más que una simple mejora de precisión. Cuando una voz digital deja de obligar al usuario a terminar cada frase antes de contestar, la conversación se parece bastante más a una llamada real y bastante menos a dictarle órdenes a un altavoz.
OpenAI cambió la voz por defecto y reservó la versión completa para pago
OpenAI sustituye por defecto el actual Modo de Voz Avanzado de ChatGPT por GPT-Live-1 mini. Los usuarios de los niveles de pago tendrán acceso a GPT-Live-1, la versión más capaz dentro de esta nueva familia.
Detrás de esa conversación más fluida hay otra capa menos visible. Los nuevos modelos derivan consultas a modelos de texto como GPT-5.5 cuando entran en juego funciones de búsqueda, razonamiento o tareas agentivas, de modo que la voz actúa como puerta de entrada y no como sistema aislado.
Esa arquitectura ayuda a entender hacia dónde apunta la experiencia. La charla puede sonar espontánea, pero cuando el usuario pide algo más exigente, el sistema pasa el trabajo a modelos de texto más potentes para resolverlo.
"Con el tiempo, creemos que esto también desbloqueará la capacidad de usar la voz como una especie de interfaz principal para la informática y para gestionar un trabajo agentivo complejo y de ejecución prolongada cada vez mayor. El tipo de casos de uso asombrosos que vemos que la gente logra usando Codex y ChatGPT, creemos que la voz puede ser la interfaz futura para todo tipo de trabajo" - Atty Eleti, responsable de producto de ChatGPT Voice
No es una ambición menor cuando ya hay una base amplia de uso. Más de 150 millones de personas hablan con ChatGPT mediante Voz y Dictado, una escala que explica por qué OpenAI ha decidido tocar una de las funciones más sensibles del producto.
La carrera por asistentes que conversan mejor ya dejó de ser un experimento
Apple y Amazon también han actualizado sus asistentes para volverlos más conversacionales y mejorar el manejo del contexto. Sesame, la empresa fundada por Brendan Iribe, cofundador de Oculus, y Ankit Kumar, ya ha llevado al mercado asistentes de inteligencia artificial con diálogos más naturales.
Así que la pregunta ya no es si la voz vuelve, sino qué empresa logra que deje de parecer un truco. Durante años, muchos asistentes servían para poner una alarma o consultar el tiempo, pero se rompían en cuanto el intercambio exigía memoria, matices o una interrupción a mitad de frase.
Atty Eleti, responsable de producto de ChatGPT Voice, ha contado que ha mantenido conversaciones de entre 30 y 40 minutos con esta función. Ese dato no demuestra por sí solo calidad sostenida, pero sí sugiere un uso bastante más cercano a una sesión continua que a una orden puntual.
La traducción en directo ya funciona, aunque todavía arrastra rarezas al hablar
Uno de los ganchos más visibles es la traducción en tiempo real. En teoría, el sistema puede escuchar, hablar e interrumpirse con naturalidad mientras traduce, una combinación útil para viajes, atención al cliente o conversaciones rápidas entre personas que no comparten idioma.
Ahora bien, la demostración dejó ver una grieta importante. En hindi, la traducción en directo sonó con un marcado acento estadounidense y con un tono poco natural, ligeramente libresco, justo el tipo de detalle que saca al usuario de la conversación aunque el contenido sea correcto.
OpenAI sostiene que el nuevo modo está optimizado para la mayoría de los idiomas hablados, aunque no ha detallado cuáles. Esa falta de precisión pesa bastante cuando la experiencia de voz depende menos de la respuesta correcta en abstracto y más de cómo suena cada frase en la práctica.
Las salvaguardas llegaron junto a un uso más cotidiano y más largo
También hay cambios pensados para conversaciones delicadas. Los modelos incorporan salvaguardas para ofrecer respuestas apropiadas para la edad de los adolescentes y facilitar recursos cuando la charla gira hacia asuntos como las autolesiones.
Cuando una empresa empuja la voz como interfaz de uso diario, ese tipo de protección deja de ser un añadido discreto. Las conversaciones pueden alargarse entre 30 y 40 minutos, y eso acerca el producto a situaciones personales donde el tono, el contexto y la reacción importan tanto como la respuesta.
En paralelo, empiezan a aparecer piezas alrededor de esa apuesta. Monogram ha recaudado 40 millones de dólares en financiación semilla de DST y Lux Capital para desarrollar respuestas visuales, una pista de que la interfaz conversacional ya no gira solo en torno a texto o audio.
También circulan informes sobre unos posibles auriculares con inteligencia artificial que OpenAI podría lanzar este año, aunque la compañía no ha dado información sobre hardware. Mientras tanto, el dato más concreto sigue siendo otro. ChatGPT quiere sonar cada vez más humano, pero en la propia demostración el hindi todavía sonó como una traducción correcta dicha por alguien que no termina de habitar el idioma.