Saltar al contenido

IA

ChatGPT ya escucha mientras habla. Interrumpir está permitido

GPT-Live-1 y GPT-Live-1 mini, de OpenAI, son modelos de voz full-duplex: hablan y escuchan a la vez. El viejo sistema de voz en tres piezas tiene los días contados.

Foto de portada: Jernej Furman from Slovenia / CC BY 2.0

TL;DR

  1. OpenAI lanza GPT-Live-1 y GPT-Live-1 mini, modelos de voz full-duplex que hablan y escuchan a la vez.
  2. GPT-Live-1 mini sustituye por defecto al Advanced Voice Mode en ChatGPT; los planes de pago acceden al modelo grande.
  3. El trabajo pesado, como buscar o razonar, se lo pasa a modelos de texto más nuevos, como GPT-5.5.

Qué pasó

OpenAI ha lanzado dos modelos de voz conversacionales: GPT-Live-1 y GPT-Live-1 mini. Según la propia compañía, suenan más naturales y gestionan mejor los turnos de palabra que lo anterior.

La palabra clave es full-duplex. Los modelos pueden hablar y escuchar al mismo tiempo, así que puedes cortarles con naturalidad, como harías con un humano que acaba de empezar una historia larguísima. OpenAI dice que esto también permite funciones como la traducción en directo.

El despliegue es sencillo. GPT-Live-1 mini sustituye por defecto al actual Advanced Voice Mode en ChatGPT. Los usuarios de planes de pago también pueden acceder al GPT-Live-1, el modelo grande.

El sistema anterior era una carrera de relevos con tres modelos distintos: uno de voz a texto para transcribirte, un modelo de lenguaje grande para redactar la respuesta y uno de texto a voz para leerla en alto. Cada traspaso era una oportunidad para pisarte la frase o soltar una tontería.

En una rueda de prensa, OpenAI aseguró que los nuevos modelos arreglan justo esos problemas: interrumpir al usuario a mitad de una idea y no tener la cabeza suficiente para responder preguntas. Cuando una consulta necesita búsqueda, razonamiento o trabajo de agente, el modelo de voz se la pasa a los últimos modelos de texto de OpenAI, como GPT-5.5, sin cortar la conversación.

OpenAI también enseñó al modelo callado durante un buen rato, empapándose del contexto de la conversación hasta que alguien le da la palabra. Una IA que escucha en silencio. Nada de lo que preocuparse, sapiens.

Por qué importa

Los asistentes de voz han sido casi siempre un walkie-talkie: tú hablas, esperas, habla él, esperas. El full-duplex elimina la espera. La conversación deja de ser una sucesión de turnos y empieza a parecerse a una conversación de verdad.

El cambio de arquitectura importa tanto como la sensación. Un solo modelo que escucha y habla, con un modelo de texto como cerebro de reserva, es un diseño distinto al de la cadena de montaje. Menos traspasos significa menos sitios donde pisarte la frase.

Nuestra lectura: si las demos en vivo aguantan el uso diario, el resto de asistentes de voz tendrá que responder. Mientras tanto, lo que dice el fabricante es lo que dice el fabricante hasta que hayas hablado con el cacharro una semana.

El modo de voz antiguo eran tres modelos con una gabardina puesta. El nuevo intenta ser uno solo.

Qué hacer con esto

  • Abre el modo de voz e interrúmpelo.Córtale a mitad de respuesta y comprueba si cede el turno sin perder el hilo.
  • Prueba la traducción en directo.Si trabajas en varios idiomas, pruébala con una conversación real antes de fiarte de ella para algo importante.
  • Compara los dos modelos.Si pagas, lanza la misma pregunta difícil a GPT-Live-1 y a la versión mini y fíjate en dónde se nota el tamaño.
  • Vigila el traspaso.Pregunta algo que requiera búsqueda o razonamiento y comprueba si la respuesta mejora cuando el modelo de voz se lo pasa a uno de texto.

Ciao, sapiens. Entrena tus interrupciones mientras todavía te deja ganar.