GPT-Live de OpenAI se apresura a hacer que las conversaciones de voz con IA se sientan reales

OpenAI comenzó a implementar hoy un nuevo modelo de voz para ChatGPT, denominado GPT-Live, que según la compañía hace que la interacción de voz humano-IA se sienta mucho más natural. La empresa anunció el despliegue y dijo que la función estaría disponible en ChatGPT de inmediato. minimax-speech-28-brings-human-warmth-to-ai-voices-with-native-filler-words-and-high-fidelity-cloning

"Presentamos GPT-Live, una nueva generación de modelos de voz para la interacción natural humano-IA," escribió OpenAI en un anuncio breve. El post agregó que los usuarios "querrán encender el sonido para esto," señalando la naturaleza nativa de audio de la actualización.

Un cambio hacia la IA conversacional

Las interfaces de voz han sido una prioridad creciente en toda la industria de la IA. OpenAI ha invertido fuertemente en reconocimiento de voz y síntesis de voz a través de su modelo Whisper, y GPT-Live parece extender ese trabajo hacia la interacción en tiempo real. El modelo está diseñado para manejar matices conversacionales, tono, ritmo, interrupciones, de manera más fluida que los modos de voz anteriores de ChatGPT. the-benchmark-that-made-language-models-speak-how-2018s-glue-bet-changed-ai-forever

El despliegue se produce mientras los competidores también avanzan en voz. Gemini Live de Google, anunciado a principios de este año, y Alexa Plus de Amazon buscan crear asistentes de IA basados en voz que vayan más allá de los simples patrones de comando-respuesta. El movimiento de OpenAI posiciona a GPT-Live como un competidor directo en este espacio, aunque la compañía no ha revelado detalles técnicos sobre la arquitectura del modelo, los datos de entrenamiento o los puntos de referencia de latencia.

Por qué la voz es importante para la adopción de la IA

La interacción por voz elimina un punto de fricción clave para la adopción de la IA: escribir. Los usuarios pueden hablar de forma natural, hacer preguntas de seguimiento y conversar sin necesidad de una pantalla. Esto abre casos de uso en entornos manos libres como cocinar, conducir o trabajar, donde escribir no es práctico.

"La voz es la interfaz más natural que tenemos," dijo un analista de productos familiarizado con el espacio. "Cada gran laboratorio de IA está compitiendo por hacerlo bien porque el ganador podría definir cómo miles de millones de personas interactúan con la IA diariamente."

El modo de voz existente de ChatGPT se consideraba funcional pero limitado, bueno para consultas simples pero propenso a pausas incómodas y respuestas entrecortadas. GPT-Live busca cerrar esa brecha con un modelo que escucha más atentamente y responde de manera más conversacional. how-local-llms-like-gemma-and-qwen-are-taming-open-source-repository-triage-at-scale

Qué viene después

OpenAI no ha compartido un cronograma para una disponibilidad más amplia ni si GPT-Live se limitará a los suscriptores de pago de ChatGPT Plus o a los usuarios gratuitos. La compañía tampoco ha revelado cambios de precios o políticas de uso de datos relacionados con el nuevo modelo de voz. anthropic-updates-usage-policy-new-rules-for-high-risk-ai-applications

GPT-Live está disponible en ChatGPT a partir de hoy. Los usuarios con acceso podrán activarlo en el menú de configuración.