OpenAI ha dado un paso significativo en la integración de la voz en sus asistentes de inteligencia artificial con el lanzamiento de la función 'Live Dictation' (dictado en vivo) en ChatGPT. Esta novedad, anunciada este miércoles, permite a los usuarios transcribir sus palabras en tiempo real mientras hablan, eliminando la necesidad de esperar a finalizar la grabación para ver el resultado. La actualización se despliega de forma global, abarcando todos los planes de ChatGPT, incluido el gratuito, y está disponible en la versión web, la aplicación de escritorio, así como en las plataformas iOS y Android. Según The Verge, la función está llegando progresivamente, por lo que es posible que algunos usuarios necesiten esperar un tiempo para que aparezca en sus cuentas, aunque 20 Minutos confirma que la llegada a España ya es efectiva para todos los niveles de suscripción.
El funcionamiento de esta nueva herramienta marca un cambio radical en la experiencia de usuario. Hasta ahora, el proceso de dictado implicaba grabar un mensaje completo y luego esperar a que el sistema procesara la audio para devolver el texto transcribed. Con 'Live Dictation', la transcripción se genera y muestra en pantalla a medida que el usuario habla. Para visualizar o ocultar este texto en vivo, el usuario solo necesita tocar o hacer clic sobre la onda de audio que aparece en la interfaz. Esta característica ofrece una ventaja práctica inmediata: la capacidad de corregir errores en tiempo real. Por ejemplo, si el usuario se equivoca al pronunciar un nombre propio o desea eliminar una parte de la explicación, puede hacerlo sin tener que repetir todo el audio desde el principio, simplemente editando el texto que aparece en la caja de prompts antes de enviarlo.
Además de la transcripción en vivo, OpenAI ha anunciado la eliminación del límite de diez minutos por grabación, una restricción que afectaba a la función de dictado por voz. La compañía afirma que la función está volviéndose 'más fiable' con esta actualización, lo que sugiere mejoras en la precisión del reconocimiento de voz y en la capacidad de manejar conversaciones más largas sin interrupciones. Este movimiento se enmarca en una serie de mejoras recientes para el modo de voz de ChatGPT, que incluye una revisión del modo conversacional de voz de dos vías realizado a principios de este año. El contexto de esta actualización es relevante, ya que el año pasado OpenAI ya introdujo un 'modo de grabación' para transcribir notas de voz y reuniones, una función que, aunque sigue en fase beta y limitada a ciertos planes como Plus, Enterprise, Edu, Business y Pro, demuestra la dirección de la empresa hacia una mayor integración de la voz en sus flujos de trabajo.
Es importante distinguir entre esta nueva función de 'Live Dictation' y el modo de conversación de voz existente en ChatGPT. Mientras que el nuevo dictado convierte una intervención del usuario en un mensaje de texto estático que puede ser revisado y editado antes de ser enviado, el modo de voz tradicional está diseñado para mantener una conversación interactiva y hablada, donde el usuario escucha las respuestas del asistente y puede continuar hablando. Esta distinción es crucial para los usuarios que buscan transcribir documentos o tomar notas rápidas, en lugar de tener una sesión de chat interactiva.
Las implicaciones de este lanzamiento son significativas para la productividad y la accesibilidad. Al permitir la corrección en vivo, OpenAI reduce la fricción en la creación de contenido, lo que podría acelerar la generación de textos, correos electrónicos o notas de reuniones. La eliminación del límite de tiempo también abre la puerta a transcribir sesiones de reuniones más extensas o documentos más largos, algo que antes requería pausas o grabaciones múltiples. La disponibilidad global y la inclusión de todos los planes, incluido el gratuito, sugieren que OpenAI busca normalizar esta función como un estándar básico de su plataforma, no solo como una herramienta de pago.
En conclusión, el lanzamiento de 'Live Dictation' consolida a ChatGPT como una herramienta versátil para la gestión de información por voz. Los usuarios pueden esperar una mayor adopción de esta función a medida que se estabilice y mejore la precisión del reconocimiento. La estrategia de OpenAI parece clara: ofrecer una experiencia de voz más fluida y menos restrictiva, integrando la transcripción como parte natural del flujo de trabajo diario. A medida que la tecnología de IA avanza, es probable que veamos más funciones similares en otros asistentes de voz, pero la implementación de OpenAI en ChatGPT establece un nuevo benchmark para la interacción humano-máquina en el ámbito de la transcripción y la productividad.
