OpenAI ha lanzado nuevos modelos conversacionales, GPT-Live-1 y GPT-Live-1 mini, afirmando que suenan más naturales y manejan mejor los turnos de palabra que versiones anteriores. Estos modelos full-duplex pueden hablar y escuchar simultáneamente, permitiendo a los usuarios interrumpir de forma natural y habilitando funciones como la traducción en vivo. La compañía está reemplazando su actual Modo de Voz Avanzado en ChatGPT con GPT-Live-1 mini por defecto, mientras que los usuarios de pago obtienen acceso al modelo más grande GPT-Live-1. La configuración anterior —un modelo de voz a texto, un modelo de lenguaje grande y un modelo de texto a voz encadenados— aparentemente tenía algunos problemas, como interrumpir a los usuarios a mitad de frase y carecer de la inteligencia para responder preguntas. Los nuevos modelos pueden enviar consultas a GPT-5.5 para búsqueda, razonamiento o tareas de agente mientras mantienen el flujo de la conversación.

OpenAI también demostró que el modelo puede permanecer en silencio durante largos períodos, absorbiendo contexto hasta que se le llame, y puede presentar información visual gracias al acceso a modelos GPT más nuevos. Competidores como Monogram, que recaudó 40 millones de dólares de DST y Lux Capital, también se están inclinando hacia las respuestas visuales. Durante una conferencia de prensa, el líder de producto de Voz de ChatGPT, Atty Eleti, afirmó que ha tenido conversaciones de voz de 30 a 40 minutos durante sus caminatas. OpenAI imagina la voz como la interfaz principal para la computación compleja, y los rumores sugieren que podría lanzar auriculares con IA este año, aunque la compañía no se pronunció sobre hardware.

“Con el tiempo, creemos que esto también desbloqueará la capacidad de usar la voz como una especie de interfaz principal para la computación, y para gestionar trabajos de agente cada vez más complejos y de larga duración”, dijo Eleti. OpenAI ha estado refinando las funciones de voz durante años, señalando que más de 150 millones de personas usan Voz y Dictado en ChatGPT. Rivales como Apple y Amazon también están mejorando sus asistentes, y startups como Sesame (cofundada por el cofundador de Oculus Brendan Iribe y Ankit Kumar) están lanzando asistentes de IA más naturales. OpenAI insiste en que no está tratando de crear un compañero de IA, a pesar de hacer que el modo de voz sea más atractivo, y ha añadido salvaguardas para respuestas apropiadas para la edad y recursos para temas de autolesión. Sin embargo, el nuevo modo aún necesita trabajo: durante una demostración de traducción en vivo al hindi, el asistente habló con un fuerte acento americano y un tono libresco. OpenAI dice que el modo está optimizado para “la mayoría de los idiomas hablados” pero no especificó cuáles.