OpenAI presentó este miércoles dos nuevos modelos de voz conversacional, GPT-Live-1 y GPT-Live-1 mini, diseñados para mantener diálogos más naturales con los usuarios y gestionar mejor los turnos de habla. Se trata de modelos full-duplex, capaces de hablar y escuchar de forma simultánea, lo que permite interrumpir al asistente con naturalidad y habilitar funciones como la traducción en tiempo real.
La compañía sustituirá el actual Advanced Voice Mode de ChatGPT por GPT-Live-1 mini de forma predeterminada, mientras que los usuarios de planes de pago podrán acceder al modelo más grande, GPT-Live-1. Frente al modelo anterior, basado en una cadena de reconocimiento de voz, modelo de lenguaje y síntesis de voz, los nuevos modelos procesan la conversación de extremo a extremo. Cuando la consulta requiere razonamiento, búsqueda o capacidades agénticas, la conversación se redirige a modelos de texto recientes como GPT-5.5, sin interrumpir el diálogo.
Entre las novedades destaca la capacidad del sistema para guardar silencio prolongado y mantener el contexto hasta ser requerido, así como para presentar cierta información en formato visual. OpenAI enmarcó el lanzamiento en su objetivo de convertir la voz en la interfaz principal para tareas complejas, y confirmó que más de 150 millones de personas utilizan las funciones de voz y dictado de ChatGPT.
Competidores como Apple, Amazon y la startup Sesame, fundada por el exresponsable de Oculus Brendan Iribe, también trabajan en asistentes más expresivos. La nueva voz de ChatGPT incorporó medidas de seguridad para adolescentes y recursos ante temas sensibles, aunque durante la demostración la traducción en directo al hindi mostró un marcado acento estadounidense y un tono forzado, lo que evidencia que el sistema aún debe mejorar en idiomas distintos al inglés.