OpenAI anunció el jueves que su API ahora incluirá un conjunto de nuevas funciones de inteligencia de voz, diseñadas para ayudar a los desarrolladores a crear aplicaciones que puedan hablar, transcribir y traducir conversaciones con los usuarios. Porque aparentemente, escribir está tan pasado de moda.

El nuevo GPT-Realtime-2 de la compañía es otro modelo de voz, creado para producir una simulación vocal realista que pueda conversar con los usuarios. A diferencia de su predecesor (GPT-Realtime-1.5), este viene con razonamiento de clase GPT-5, que OpenAI dice que fue creado para manejar solicitudes más complicadas de los usuarios. Así que sí, es más inteligente, pero todavía no puede pedir una pizza sin pedir propina.

También se lanza GPT-Realtime-Translate, que, como su nombre indica, proporciona servicios de traducción en tiempo real que "siguen el ritmo" del usuario, de forma conversacional. La función admite más de 70 idiomas de entrada (los idiomas que puede comprender) y 13 idiomas de salida (los idiomas que transmite al hablante). Son muchos idiomas, pero todavía estamos esperando a que traduzca el sarcasmo.

Finalmente, está GPT-Realtime-Whisper, una nueva capacidad de transcripción que ofrece a los usuarios voz a texto en vivo mientras ocurren las interacciones. Porque tomar notas manualmente es muy 2019.

"Juntos, los modelos que estamos lanzando mueven el audio en tiempo real de simples llamadas y respuestas hacia interfaces de voz que realmente pueden trabajar: escuchar, razonar, traducir, transcribir y actuar mientras se desarrolla una conversación", dijo la compañía. En otras palabras, tu teléfono finalmente podría entenderte cuando dices "voy en camino" mientras todavía estás en la cama.

¿A quién beneficiarán estas actualizaciones? Las empresas que quieran expandir sus capacidades de servicio al cliente son un objetivo obvio. Pero OpenAI también señala que las funciones ayudarán con la educación, los medios, los eventos y las plataformas de creadores. Porque nada dice 'educación' como un robot que puede hablar por encima de ti.

Por útiles que parezcan estas herramientas desde una perspectiva empresarial, también podrían ser mal utilizadas. La compañía dice que ha construido salvaguardas para prevenir abusos como spam, fraude u otras fechorías en línea. Ciertos desencadenantes están integrados en el sistema para que "las conversaciones puedan detenerse si se detecta que violan nuestras pautas de contenido dañino". Así que, si intentas usarlo para estafar a ancianas, simplemente colgará. Qué educado.

Todos los nuevos modelos de voz están incluidos en la API Realtime de OpenAI. Translate y Whisper se facturan por minuto, mientras que GPT-Realtime-2 se factura por consumo de tokens. Porque en el futuro, pagarás por cada sílaba.