LE IDEE CHE CAMBIANO IL MONDO
Open AI presenta una nueva generación de modelos de voz capaces de hacer que la conversación con la inteligencia artificial sea todavía más natural y humana. Hablamos de GPT-Live.
«Una nueva generación de modelos de voz para una interacción natural entre personas e IA, que ahora impulsa ChatGPT Voz».
El lanzamiento de GPT-Live
Open AI lanza una nueva generación de modelos de voz, GPT-Live, su modelo de voz más inteligente hasta ahora. Su punto fuerte es que las conversaciones se parecen más que nunca a una conversación real.
Esto es posible gracias a una arquitectura full-duplex, capaz de escuchar y hablar simultáneamente. Es un enfoque muy diferente de los anteriores, que hace la inteligencia artificial mucho más «humana». Mientras hablamos, el modelo muestra atención a lo que decimos con expresiones humanas como «ajá» o «sí».
La experiencia resultante es completamente distinta. La conversación será más fluida y hablar con los modelos será mucho más fácil.
En su lanzamiento GPT-Live utilizará GTP-5.5 en segundo plano. Durante el lanzamiento global, hace un par de semanas, Open AI distribuyó dos versiones a los usuarios: GPT-Live 1 y GPT-Live 1 Mini.
Los enfoques anteriores
Como decíamos, la gran novedad es el enfoque de conversación, que se vuelve lo más natural y humano posible. Colaborar con la IA será una experiencia casi equivalente a colaborar con otra persona.
Para entender la importancia del cambio, debemos revisar primero los enfoques anteriores.
Muchos modelos de lenguaje utilizan sistemas de voz en cascada: modelos que actúan uno detrás de otro y procesan cada turno individualmente. Estos sistemas generaban respuestas lentas y poco naturales, separadas por largas pausas.
Después llegaron los modelos con sistemas de voz por turnos. Reducían la latencia generando audio dentro de un único modelo. Aunque las respuestas son más rápidas y fluidas, la conversación sigue siendo rígida y poco natural.
El nuevo enfoque de GPT-Live
Para crear un enfoque completamente distinto, Open AI analizó e intentó resolver los problemas de los anteriores.
Para lograr una interacción continua y eliminar las pausas de las conversaciones por turnos, GPT-Live utiliza una arquitectura full-duplex. El modelo puede procesar información e incluso hablar mientras sigue escuchando. Procesa continuamente la entrada aunque esté generando una salida.
Así, la conversación mantiene una percepción temporal mucho más «humana» y crea intercambios más naturales.
Otra revolución lo hace posible: GPT-Live delega el trabajo más profundo. Mientras gestiona la interacción continua sin pausas, las preguntas complejas que requieren investigación, razonamiento y mayores capacidades se delegan en otro modelo, en este caso ChatGPT-5.5. Las tareas más complejas se resuelven en segundo plano mientras GPT-Live mantiene viva la conversación.
ChatGPT Voz
Por último, hablemos de ChatGPT Voz. Unos 150 millones de personas interactúan cada semana con ChatGPT mediante funciones como Voz y Dictado.
Así reciben ayuda sin tener que usar las manos para escribir. Además, el modelo se utiliza para practicar idiomas, escuchar historias y mantener conversaciones sencillas cuando estamos aburridos.
Por eso, desde la introducción de GPT-Live, al hablar mediante el botón Voz las conversaciones serán más naturales y la escucha mejorará notablemente.
