ChatGPT se renueva para hablar como un ser humano: diferencias entre GPT-Live-1 y GPT-Live-1 mini

OpenAI anunció el lanzamiento de nuevos modelos conversacionales denominados GPT-Live-1 y GPT-Live-1 mini, que prometen una experiencia de voz más natural y fluida en ChatGPT. Estos avances buscan transformar la interacción entre usuarios y asistentes virtuales, acercando la conversación con inteligencia artificial a una dinámica semejante a la comunicación humana.

Los modelos fueron presentados como sistemas full-duplex, una característica que permite a ChatGPT hablar y escuchar al mismo tiempo. Esta capacidad posibilita que las personas interrumpan a la inteligencia artificial de manera natural y que el asistente gestione la conversación en tiempo real. La compañía detalló que esta tecnología habilita funciones como la traducción simultánea y que la interacción se asemeje a un diálogo cotidiano.

La actualización reemplaza el modo Advanced Voice Mode anterior por GPT-Live-1 mini como configuración estándar para todos los usuarios. Aquellos que utilicen las versiones de pago de ChatGPT podrán acceder al modelo de mayor tamaño, GPT-Live-1. Antes de esta mejora, el sistema integraba tres componentes: un modelo de reconocimiento de voz, un modelo de lenguaje y un generador de voz.

Modelos full-duplex: una conversación sin interrupciones

OpenAI subrayó que los modelos GPT-Live-1 y GPT-Live-1 mini resuelven problemas frecuentes de las versiones previas, como la incapacidad para detenerse frente a una interrupción o la falta de precisión en las respuestas. Ahora el sistema envía consultas a los modelos de texto más recientes, como GPT-5.5, para mejorar la búsqueda, el razonamiento y la gestión de tareas complejas, mientras mantiene la conversación activa.

Una novedad destacada es la capacidad del modelo para permanecer en silencio y captar el contexto durante períodos extensos, solo respondiendo cuando el usuario lo solicita. Además, el nuevo modo de voz puede presentar información en formato visual gracias a su acceso a los modelos GPT más recientes, una tendencia que otras empresas del sector tecnológico también están explorando.

Novedades técnicas

Atty Eleti, responsable de producto de ChatGPT Voice, afirmó durante la presentación que ha sostenido conversaciones de entre 30 y 40 minutos consecutivos con el asistente mientras caminaba. Este avance apunta a que la voz se convierta en una interfaz primaria para gestionar tareas informáticas complejas, más allá de simples consultas o comandos breves.

La compañía estima que más de 150 millones de personas ya interactúan con ChatGPT a través de funciones de voz y dictado, lo que resalta el impacto de esta tecnología. El objetivo de OpenAI es permitir conversaciones más prolongadas y naturales, facilitando un uso manos libres del asistente. A pesar de las mejoras, la empresa aclaró que no busca posicionar su tecnología como un “compañero” digital, sino como una herramienta eficiente y segura, con salvaguardas para ofrecer respuestas adecuadas a adolescentes y recursos ante temas sensibles.

Interacciones más largas y mejoras en la experiencia de usuario

El desarrollo de asistentes conversacionales más expresivos y útiles no es exclusivo de OpenAI. Tanto Apple como Amazon actualizaron recientemente sus asistentes para optimizar la gestión del contexto y mejorar la naturalidad en las respuestas. Por su parte, startups como Sesame, fundada por Brendan Iribe y Ankit Kumar, exploran asistentes capaces de mantener conversaciones naturales mientras ejecutan tareas en segundo plano.

Otras empresas, como Monogram, también apuestan por respuestas visuales e interactivas, un enfoque en el que han invertido más de 40 millones de dólares estadounidenses en rondas iniciales de financiación.

Aspectos por perfeccionar

Durante una demostración, OpenAI mostró la función de traducción en vivo en hindi. Sin embargo, el asistente presentó un marcado acento estadounidense y una entonación poco natural, con un tono literario en el idioma que no resultó del todo fluido. La empresa explicó que el nuevo modo de voz está optimizado para la mayoría de los idiomas hablados, aunque no especificó cuáles forman parte de esa lista.

La compañía vislumbra que la voz podría convertirse en la interfaz principal para trabajar con sistemas de inteligencia artificial capaces de gestionar tareas complejas y prolongadas. Aunque algunos informes mencionan la posibilidad de que OpenAI lance auriculares con capacidades de IA este año, hasta el momento no se ha compartido información concreta sobre productos de hardware.