Abierto AIpresentó GPT-Live, su serie de modelos de voz de nueva generación desarrollada para hacer más natural la interacción de voz con inteligencia artificial. Según el comunicado de la compañía, GPT-Live ahora está comenzando a admitir la experiencia ChatGPT Voice Chat. OpenAI posiciona el nuevo modelo como un paso que acerca la conversación con inteligencia artificial a una conversación real.
GPT-Live se basa en una arquitectura full-duplex. De esta forma, el modelo puede responder simultáneamente mientras escucha el discurso del usuario. Mientras que en experiencias anteriores de chat de voz el modelo tenía que esperar a que el usuario terminara de hablar para responder, GPT-Live puede mostrar que está siguiendo al usuario durante la conversación con expresiones como “ajá” o “entendido”.
OpenAI afirma que GPT-Live puede tomar decisiones como hablar, seguir escuchando, pausar, intervenir o conducir muchas veces por segundo. Esta estructura pretende brindar una experiencia más fluida, especialmente en las conversaciones cotidianas donde hay interrupciones, pausas breves y ruido de fondo.
El modelo también puede proporcionar un flujo más natural en escenarios como la traducción en vivo. Más allá de centrarse en un habla más natural, GPT-Live también pretende manejar tareas más complejas dentro del chat de voz. Según el comunicado de OpenAI, en los casos que requieren búsqueda web, razonamiento profundo u más operaciones basadas en agentes, el modelo puede delegar la tarea a modelos más potentes como GPT-5.5 en segundo plano, mientras mantiene el flujo de la conversación al continuar hablando con el usuario.
Con la nueva experiencia de chat de voz, los usuarios pueden pedirle a ChatGPT que hable más lento, hacer una pausa para ordenar sus pensamientos o hacer una nueva pregunta en mitad de la conversación. Además, OpenAI anunció que ha remasterizado nueve voces diferentes en ChatGPT para GPT-Live.
Por cierto, GPT-Live también admite respuestas visuales dentro de ChatGPT. ChatGPT mientras el usuario hace una pregunta en voz alta; Puede mostrar tarjetas visuales para temas como el clima, acciones y eventos deportivos. Mientras tanto, la experiencia de voz continúa funcionando con búsqueda, memoria, imágenes y carga de archivos.
OpenAI ha comenzado a ofrecer dos versiones diferentes, GPT-Live-1 y GPT-Live-1 mini, a los usuarios de ChatGPT de todo el mundo. GPT-Live-1 es el modelo de audio predeterminado para usuarios Go, Plus y Pro, mientras que GPT-Live-1 mini se posiciona como el modelo predeterminado para usuarios Free. GPT-Live está actualmente disponible en iOS, Android y ChatGPT.com. La empresa planea llevar el modelo a la API pronto.
Por otro lado, OpenAI afirma que el nuevo modelo de audio no funciona con video o pantalla compartida en ChatGPT en esta etapa. La empresa se está preparando para lanzar estas funciones pronto. Cabe señalar que OpenAI también anunció que ha ampliado las medidas de seguridad centradas en el audio para GPT-Live. Modelo; Se realizaron evaluaciones específicas de la voz en áreas de riesgo como autolesiones, psicosis y manía, adicción emocional, violencia y contenido sexual. OpenAI, que anunció que más de 150 millones de personas utilizan funciones como voz y dictado en ChatGPT semanalmente, tiene como objetivo hacer que la interacción de voz esté disponible para tareas más largas y complejas con su modelo de voz de nueva generación, GPT-Live.