OpenAI ha dado otro paso en la evolución de las interfaces de voz al anunciar GPT-Live, una nueva generación de modelos de voz integrados en el modo "Conversación" de ChatGPT. No se trata de una simple actualización, sino de un cambio fundamental en la forma en que interactuamos con la inteligencia artificial.
La innovación clave es la arquitectura full-duplex. A diferencia de sus predecesores, GPT-Live puede escuchar y hablar simultáneamente, sin esperar pausas. El modelo reconoce interjecciones, hace pausas naturales y no interrumpe al usuario, incluso si este está pensando. Esto acerca el diálogo con la IA a la comunicación humana.
Arquitectónicamente, el proceso está dividido: mientras GPT-Live mantiene la conversación, otro modelo (inicialmente GPT-5.5) procesa en segundo plano solicitudes complejas, como búsquedas en internet o cálculos. Esto permite que la IA traduzca el habla en tiempo real y resuelva tareas sin interrumpir el diálogo.
Las pruebas confirman la superioridad de GPT-Live en razonamiento científico y extracción de datos. En la interfaz de ChatGPT también han aparecido tarjetas visuales con el clima, cotizaciones de acciones y resultados deportivos, un paso hacia una experiencia más multimodal.
OpenAI ha lanzado dos versiones: la potente GPT-Live-1 y la simplificada GPT-Live-1 mini. La disponibilidad varía: los usuarios de los planes de pago Plus y Pro tienen acceso al modelo principal, mientras que la versión gratuita de ChatGPT utiliza la versión mini. Próximamente, la empresa abrirá la API para desarrolladores.
La seguridad también ha recibido actualizaciones: nuevos filtros bloquean la imitación de voces y limitan el contenido relacionado con violencia o autolesiones. Para los adolescentes, se ha implementado control parental.
Este lanzamiento es un paso estratégicamente importante. GPT-Live no solo mejora la interfaz de voz, sino que cambia el paradigma mismo: la IA ahora puede ser un interlocutor completo, no solo una herramienta. Sin embargo, el verdadero potencial se revelará con la apertura de la API, cuando los desarrolladores puedan integrar esta tecnología en sus productos, lo que podría redefinir el mercado de los asistentes de voz.