OpenAI ultima el lanzamiento de una nueva generación de su modo de voz en ChatGPT, una tecnología que promete hacer mucho más natural la conversación con la inteligencia artificial al permitirle escuchar y hablar al mismo tiempo. Las filtraciones y los anuncios parciales de la compañía coinciden en que se trata de la mayor mejora de esta funcionalidad desde su estreno, aunque todavía hay discrepancias sobre el nombre definitivo del modelo y sobre su grado de disponibilidad pública.
Según las filtraciones recogidas por Android Authority y TestingCatalog, a las que ha tenido acceso 20 Minutos, el nuevo sistema se denomina internamente Bidi 1 y se encuentra ya en fase de pruebas con un grupo reducido de usuarios, con vistas a un despliegue más amplio en los próximos días. Bidi 1 sería un modelo "full dúplex", capaz de procesar el flujo de audio del usuario y generar respuestas de voz de forma simultánea, lo que elimina la necesidad de turnos estrictos. En la práctica, esto se traduce en varias mejoras concretas: el asistente puede emitir pequeñas expresiones como "vale" o "de acuerdo" mientras el interlocutor habla, para señalar que está siguiendo la conversación; puede cambiar de tarea a mitad de una petición (por ejemplo, pasar de contar hasta diez a contar hacia atrás si se le corrige sobre la marcha); retiene mejor el contexto a lo largo de diálogos de varios minutos aunque se cambie de tema, y evita reaccionar ante silencios que en la versión actual solían provocar respuestas inoportunas.
Por su parte, The Verge ha revelado información adicional procedente de una sesión informativa con la propia OpenAI, en la que la compañía ha bautizado el modelo como GPT-Live-1. El director de investigación Kundan Kumar lo ha descrito como el "modelo de voz más inteligente" de la empresa hasta la fecha. Una de las claves técnicas es que GPT-Live-1 redirige automáticamente las consultas que requieren razonamiento complejo a los modelos de texto más avanzados, como GPT-5.5, lo que permite alternar con agilidad entre la búsqueda de información y la respuesta hablada. Además, complementa las conversaciones sobre meteorología, Bolsa o deportes con elementos visuales generados por IA, como gráficos con la previsión del tiempo o marcadores de partidos.
El responsable de producto Atty Eleti explicó que la arquitectura full dúplex permite, por primera vez, la traducción en tiempo real sin necesidad de esperar a que el usuario termine de hablar, y añadió la posibilidad de pedir al asistente que permanezca en silencio hasta ser requerido de nuevo, una función que no existía hasta ahora. Las dos denominaciones (Bidi 1 y GPT-Live-1) responden, según parece, a fases distintas del mismo proyecto: una es la etiqueta interna detectada en el código de la aplicación por los filtradores, y la otra, la oficial presentada por OpenAI a la prensa.
En paralelo, OpenAI ha incorporado medidas de seguridad reforzadas. La compañía reconoce el contexto delicado en el que se mueve, con varias demandas judiciales en curso que acusan a ChatGPT de haber favorecido delirios o haber dañado la salud mental de algunos usuarios. El nuevo modelo cuenta con salvaguardas integradas para evitar respuestas perjudiciales, está entrenado para derivar conversaciones sobre autolesiones a líneas de ayuda verificadas por expertos, y ajusta sus respuestas para ofrecer contenido apropiado según la edad del usuario, algo especialmente relevante para los adolescentes.
En cuanto a la disponibilidad, OpenAI ya ha comenzado a desplegar GPT-Live-1 en iOS, Android y la versión web. Los suscriptores de los planes Go, Plus y Pro tendrán acceso al modelo completo, mientras que los usuarios gratuitos utilizarán por defecto una variante más ligera bautizada como GPT-Live-1 mini. Por ahora, la compañía no ha confirmado oficialmente la existencia de Bidi 1 ni ha ofrecido una fecha concreta para una apertura más amplia, pero todo indica que la transición será cuestión de días y que el cambio marcará un punto de inflexión en cómo los usuarios perciben las conversaciones con una IA.
La conclusión es clara: la era de los asistentes de voz que imitan turnos rígidos está tocando a su fin. Si las mejoras anunciadas se cumplen en la práctica, hablar con ChatGPT empezará a parecerse, por fin, a hablar con otra persona, con sus matices, sus pausas y su capacidad de adaptarse al hilo de lo que se le dice.