OpenAI ha introducido GPT-Live, una nueva generación del modo de voz de ChatGPT que promete una interacción más natural y fluida. Este sistema permite a la inteligencia artificial escuchar mientras responde, eliminando la rigidez de los turnos tradicionales. La compañía busca transformar la conversación en un diálogo continuo, decidiendo en tiempo real cuándo hablar, escuchar o pausar.
Greg Brockman inició la presentación en vivo de OpenAI con una demostración sencilla: interactuó con ChatGPT y lo interrumpió mientras respondía. Lo relevante no eran las preguntas, sino la reacción del sistema. A diferencia de experiencias previas donde la interrupción era abrupta, en esta demo la voz se adaptó de manera más natural. Fue una demostración breve, pero suficiente para ilustrar la promesa de GPT-Live: que el modo de voz de ChatGPT no solo hable mejor, sino que también sepa cuándo responder, cuándo esperar y cuándo guardar silencio.
GPT-Live es el nombre elegido por OpenAI para esta nueva fase del modo de voz de ChatGPT. No se trata meramente de una capa de sonido más refinada, sino de una serie de modelos diseñados para procesar las conversaciones de una forma distinta. Una arquitectura denominada full-duplex posibilita que la IA escuche mientras formula una respuesta, lo cual, según la empresa, disminuye la rigidez de los turnos de conversación convencionales. Desde 2022, OpenAI ha modificado la interacción con sus modelos, pasando del teclado a formas de interacción cada vez más cercanas. ChatGPT marcó un antes y un después en la relación masiva con los modelos de texto; las primeras funcionalidades de voz añadieron una capa de naturalidad; y GPT-4o llevó esa aspiración a una experiencia mucho más expresiva, inevitablemente vinculada a ‘Her’. El lanzamiento de GPT-Live se produce después de este recorrido. Su promesa no es solo sonar más humano, sino resolver una fricción menos espectacular pero más significativa: cómo mantener una conversación sin que parezca una secuencia de comandos.
Para comprender la transformación, es necesario analizar cómo operaban las generaciones anteriores. OpenAI explica que el primer modo de voz de ChatGPT era un sistema en cascada: un modelo transcribía la voz, otro generaba la respuesta y un tercero la convertía de nuevo a audio. El modo avanzado de voz redujo esa fricción al procesar y generar audio dentro de un único modelo, pero seguía funcionando por turnos. GPT-Live modifica esta lógica: ya no trabaja únicamente con mensajes separados, sino con una interacción continua que le permite decidir varias veces por segundo si debe hablar, escuchar, pausar o utilizar una herramienta.
Entonces, ¿qué podremos hacer en la práctica? La compañía dirigida por Sam Altman ofrece varios ejemplos. Será posible interrumpir con una pregunta, hacer una pausa para reflexionar o solicitar al sistema que hable más despacio. La voz también puede emitir señales breves como “mmm” o “sí” para indicar que sigue escuchando, y la empresa asegura haber mejorado su capacidad para concentrarse en la voz del usuario incluso con ruido de fondo. A esto se suman las nueve voces de ChatGPT remasterizadas para GPT-Live, respuestas visuales en forma de tarjetas para consultas como el tiempo, deportes, bolsa y otros datos rápidos, además del soporte para búsqueda, memoria, imágenes y subida de archivos.
Otra pieza fundamental reside en lo que sucede cuando la conversación requiere más que una respuesta rápida. OpenAI explica que GPT-Live puede delegar búsquedas web, razonamiento o tareas más complejas en sus modelos frontera, mientras mantiene la conversación activa con el usuario. En su lanzamiento, esa capa de soporte será GPT-5.5, aunque la compañía afirma que irá actualizando el modelo utilizado en segundo plano a medida que publique nuevas generaciones. El modo de voz de ChatGPT también permitirá seleccionar entre distintos niveles de razonamiento: Instant para respuestas rápidas, y Medium o High cuando sea necesario dedicar más tiempo a la reflexión.
La compañía sostiene que el avance no se limita a una impresión de uso. En sus evaluaciones internas, GPT-Live-1 y GPT-Live-1 mini (la versión más compacta del modelo que llega a las cuentas gratuitas) superan al modo de voz avanzado en conversaciones comparadas de cinco a diez minutos, tanto en preferencia general como en fluidez, interrupciones, turnos y sensación de naturalidad. OpenAI también menciona mejoras en razonamiento científico, búsqueda de agente y tareas de soporte telefónico simuladas. Cabe destacar que estos resultados son una referencia inicial y provienen de la propia OpenAI, por lo que será necesario observar su impacto en la vida real.
GPT-Live comienza a implementarse desde hoy para usuarios de ChatGPT en iOS, Android y ChatGPT.com. OpenAI habla de un despliegue global y no menciona una exclusión específica para la Unión Europea, aunque es importante considerar que en otros despliegues de funciones de IA ha habido dudas o retrasos en la región. GPT-Live-1 será el modelo predeterminado para los usuarios de Go, Plus y Pro, mientras que las cuentas gratuitas, como se mencionó, utilizarán GPT-Live-1 mini. La API estará disponible más adelante, sin una fecha concreta por ahora. Sin embargo, también existe una limitación importante en el lanzamiento: GPT-Live no admite por el momento voz con vídeo ni pantalla compartida en ChatGPT, aunque OpenAI asegura que trabaja para introducir esas capacidades en el futuro.
