OpenAI presenta GPT-Live, una nueva generación de Modelos de voz que transforman la interacción con ChatGPT, haciendo que las conversaciones con IA sean más fluidas, naturales y contextuales. Este avance permite que ChatGPT escuche y hable al mismo tiempo, interrumpiendo menos y adaptándose mejor a las pausas o cambios en la conversación.

¿Qué es GPT-Live y cómo mejora la experiencia de voz?

GPT-Live es una arquitectura de full-duplex que permite a ChatGPT procesar entradas y salidas de audio de manera simultánea. Esto significa que el modelo puede:

• Escuchar y hablar al mismo tiempo, como en una conversación humana real.
• Reaccionar con frases naturales como “mhmm” o “sí” para indicar que está prestando atención.
• Traducir en tiempo real sin esperar a que el usuario termine de hablar.
• Delegar tareas complejas a modelos como GPT-5.5 para razonamiento avanzado o búsquedas en la web, mientras mantiene el flujo de la conversación.

Este sistema está diseñado para superar las limitaciones de los modelos anteriores, como los sistemas en cascada (que perdían información entre modelos) o los modelos por turnos (que interrumpen de manera antinatural).

¿Cómo se compara GPT-Live con otros modelos de voz?

OpenAI ha realizado evaluaciones exhaustivas para medir el flujo de conversación y la satisfacción del usuario. Los resultados muestran que:

• GPT-Live-1 supera al Modo de Voz Avanzado en pruebas de razonamiento científico (GPQA) y búsquedas agenticas (BrowseComp).
• En pruebas de preferencia de conversación, los usuarios prefirieron GPT-Live-1 y GPT-Live-1 Mini sobre el Modo de Voz Avanzado en un 75.7% y 69.2% de los casos, respectivamente.
• En métricas de flujo de conversación, GPT-Live-1 obtuvo una puntuación de 4.96/7, mientras que el Modo de Voz Avanzado alcanzó solo 3.8/7.

¿Qué novedades trae GPT-Live para los usuarios?

Conversaciones más naturales

Con GPT-Live, hablar con ChatGPT se siente como una conversación real. Puedes:

• Interrumpir para hacer una pregunta o aclaración.
• Hacer pausas para pensar sin que el modelo interrumpa.
• Pedirle que hable más despacio o que espere.
• Recibir respuestas visuales para temas como el clima, deportes o acciones bursátiles.

Respuestas más inteligentes

GPT-Live puede utilizar modelos como GPT-5.5 para ofrecer respuestas más precisas y contextualizadas. Además, permite elegir el nivel de razonamiento:

• Instantáneo: Para respuestas rápidas.
• Medio y Alto: Para tareas que requieren más tiempo de reflexión.

Mejor escucha y seguridad

GPT-Live incluye protecciones integradas para:

• Evitar respuestas dañinas o finaliza conversaciones en situaciones de alto riesgo.
• Ofrecer apoyo en crisis con líneas de ayuda validadas por expertos.
• Proporcionar respuestas apropiadas para adolescentes.
• Mantener la privacidad y seguridad en conversaciones emocionales o sensibles.

¿Cómo y cuándo estará disponible?

GPT-Live-1 se está implementando globalmente en iOS, Android y la web para:

• Usuarios de ChatGPT Go, Plus y Pro: Usarán GPT-Live-1.
• Usuarios gratuitos: Usarán GPT-Live-1 Mini, una versión más ligera pero igualmente eficiente.

Además, OpenAI planea llevar GPT-Live a su API pronto, permitiendo a desarrolladores y empresas integrar estas capacidades en sus propias aplicaciones.

¿Qué limitaciones tiene GPT-Live?

Aunque GPT-Live representa un avance significativo, aún tiene algunas limitaciones:

• No soporta voz con video o compartir pantalla en su lanzamiento inicial, aunque OpenAI trabaja para añadir estas funciones pronto.
• En algunos idiomas, el modelo puede tener acentos no nativos o brechas en la fluidez.
• Está optimizado para los idiomas más populares en ChatGPT, pero se seguirá mejorando para otros idiomas.