La compañía OpenAI ha lanzado oficialmente GPT-Live, una actualización revolucionaria para el modo de voz de ChatGPT. Esta nueva característica busca cambiar la forma en que los usuarios dialogan con la inteligencia artificial, ofreciendo interacciones mucho más naturales y fluidas.
El modelo ya está disponible en las aplicaciones móviles para iOS, Android y en la versión web. Reemplaza al anterior Advanced Voice Mode con una arquitectura que permite escuchar y hablar al mismo tiempo, sin esperar silencios.
A diferencia del sistema anterior, que funcionaba como un walkie-talkie —obligando a la IA a esperar un silencio limpio antes de responder—, GPT-Live opera con una arquitectura denominada full-duplex. Esto significa que procesa el audio entrante de forma continua mientras genera su propia respuesta hablada. El modelo evalúa señales de interacción varias veces por segundo y decide si debe hablar, pausar, escuchar o delegar una tarea.
Los usuarios de los planes de pago —Go, Plus y Pro— acceden a GPT-Live-1, la versión completa del modelo. En cambio, los usuarios gratuitos reciben GPT-Live-1 mini como opción predeterminada.
¿Qué es GPT-Live y cómo funciona?
La característica más visible del nuevo modelo es su capacidad de replicar los ritmos naturales de una conversación humana, según explica OpenAI. Cuando el usuario se detiene a ordenar sus ideas, GPT-Live espera en lugar de interrumpir. Cuando el usuario habla, el modelo puede responder con frases breves como “mmm” o “sí” para señalar que está siguiendo el hilo. Si hay ruido de fondo —como tráfico o conversaciones cercanas—, el sistema está entrenado para concentrarse en la voz del interlocutor y filtrar las distracciones.
OpenAI también rediseñó las nueve voces disponibles en ChatGPT para adaptarlas al nuevo modelo. Los usuarios pueden interrumpir al asistente con una pregunta, pedirle que baje el ritmo o solicitarle que escuche sin responder de inmediato.
¿Para qué sirve GPT-Live? Tareas en paralelo y respuestas más inteligentes
La segunda innovación arquitectónica de GPT-Live es la separación entre la interacción continua y el procesamiento complejo. Cuando una consulta requiere búsqueda en la web, razonamiento profundo o capacidades más avanzadas, el modelo delega esa tarea a GPT-5.5 en segundo plano. Mientras GPT-5.5 trabaja, GPT-Live mantiene la conversación activa y, una vez que el modelo de fondo entrega el resultado, lo integra al flujo del diálogo sin interrupciones visibles.
“Cuando GPT-Live tiene que pensar en una pregunta difícil, puede delegar el razonamiento y la tarea compleja a GPT-5.5 en paralelo, mientras GPT-Live sigue en conversación con el usuario”, explicó Kundan Kumar, investigador principal del proyecto.
Imagina que ChatGPT es una persona con varios cerebros especializados, cada uno dedicado a una tarea concreta. Cada modelo es uno de esos cerebros. GPT-Live se ocupa de sostener la conversación; GPT-5.5, de resolver problemas complejos. Los dos trabajan al mismo tiempo, de modo que mientras la IA te sugiere atuendos para una boda, puede resolver en paralelo una ecuación matemática compleja sin que ninguna de las dos tareas interrumpa a la otra.
Respuestas visuales y niveles de razonamiento
GPT-Live incorpora también respuestas visuales durante la conversación. Mientras el usuario habla, ChatGPT puede mostrar tarjetas con información sobre el clima, cotizaciones bursátiles, resultados deportivos y otros temas que se benefician de una presentación gráfica. El modo de voz conserva además el soporte para búsqueda web, memoria, imágenes y carga de archivos.
Para las consultas que exigen más elaboración, el sistema ofrece tres niveles de razonamiento: Instant, para respuestas rápidas; Medium; y High, cuando el usuario necesita que el asistente dedique más tiempo a pensar antes de responder.
Seguridad y limitaciones en el lanzamiento
OpenAI incorporó salvaguardas específicas para el modo de voz. El sistema puede detectar conversaciones potencialmente riesgosas, orientar al usuario hacia respuestas más seguras y ofrecer información de apoyo en crisis cuando el diálogo deriva hacia temas de autolesión. La compañía también añadió protecciones para usuarios adolescentes y mecanismos que impiden que el modelo imite la voz de una persona real.
En el lanzamiento, GPT-Live no admite conversaciones de voz con video ni con uso compartido de pantalla. OpenAI indicó que esas funciones están en desarrollo y que las versiones anteriores del modo de voz —Standard y Advanced Voice Mode— permanecen disponibles mientras tanto para los usuarios que las necesiten.
Fuente: Infobae
