OpenAI actualizó la voz de ChatGPT para que conversar con la IA se sienta como hablar con una persona

Hablar con ChatGPT se convirtió en una forma rápida de resolver dudas, practicar un idioma, organizar ideas o recibir ayuda rápida sin necesidad de escribir. Para algunas personas incluso se ha convertido en un espacio para hablar sobre preocupaciones personales. Sin embargo, la experiencia todavía tenía dos limitaciones importantes: bastaba con hacer una pausa para pensar unos segundos para que el asistente respondiera antes de tiempo y, mientras los modelos de texto seguían evolucionando, el modo de voz parecía haberse quedado un paso atrás. 

Eso es justamente lo que OpenAI busca cambiar con GPT Live-1, la nueva generación de modelos de voz para ChatGPT. La compañía asegura que esta actualización hará que las conversaciones sean más naturales y expresivas, además de aprovechar la inteligencia de sus modelos más avanzados. El despliegue ya comenzó y llegará de forma gradual a los usuarios de ChatGPT en todo el mundo, incluyendo México.

OpenAI quiere que hablar con ChatGPT se sienta mucho más natural

Durante la presentación, Kundan Kumar, líder de investigación en OpenAI, explicó que cerca de mil millones de personas utilizan ChatGPT cada semana y que más de 150 millones ya interactúan con la herramienta mediante voz o dictado. Sin embargo, la empresa detectó dos problemas que aparecían constantemente en los comentarios de los usuarios: el asistente interrumpía demasiado rápido cuando alguien hacía una pausa para pensar y la experiencia de voz ya no estaba al mismo nivel que los modelos de texto más recientes.

Con GPT Live-1, la compañía asegura haber resuelto ambos puntos. Ahora ChatGPT puede interpretar mejor el ritmo de una conversación, entender cuándo una persona simplemente está organizando sus ideas y esperar antes de responder. También es capaz de hacer pequeñas intervenciones cuando realmente aportan a la conversación, en lugar de responder inmediatamente ante cualquier silencio.

Para demostrarlo, Kumar realizó varias pruebas en vivo desde la aplicación de ChatGPT. En una de ellas le pidió al modelo que lo interrumpiera únicamente si mencionaba un estado de Estados Unidos que no existiera. Después de decir "California", "Texas", "Dakota del Norte" y finalmente "Dakota del Oeste", ChatGPT interrumpió la conversación para corregirlo y señalar que ese estado no existe.

La segunda demostración abordó una de las críticas más comunes al modo de voz. Kumar le pidió a ChatGPT que permaneciera completamente en silencio hasta que volviera a hablarle. Mientras tanto, sostuvo una conversación de varios segundos con otra persona presente en la sala. El modelo no intervino en ningún momento y solo respondió cuando volvió a dirigirse a él, retomando el diálogo exactamente donde lo habían dejado.

Durante la demostración también fue posible ver que el asistente incorpora pequeñas expresiones como "claro" o "de acuerdo" para indicar que sigue atento a la conversación sin interrumpirla. Para OpenAI, este tipo de comportamientos acerca mucho más la experiencia a una conversación cotidiana, donde los silencios también forman parte del intercambio.

GPT Live-1 también aprovecha la inteligencia de los modelos más avanzados de OpenAI

La actualización no solo cambia la forma de hablar con ChatGPT. Según explicó Kumar, GPT Live-1 puede apoyarse en los modelos de texto más recientes de OpenAI cuando una consulta requiere razonamiento complejo o buscar información en internet.

Durante la demostración, el investigador mostró cómo funciona este proceso con una conversación sobre el Mundial. Primero le preguntó al asistente qué selección apoyaba. ChatGPT respondió inmediatamente que Argentina, utilizando el contexto previo de la conversación. Después le pidió la fecha del próximo partido y el modelo consultó información en tiempo real antes de responder que enfrentaría a Suiza en los cuartos de final.

La conversación continuó con otra pregunta: cómo estaría el clima ese día. ChatGPT respondió con el pronóstico del tiempo para el partido y cerró con un comentario sobre Lionel Messi. Finalmente, cuando Kumar preguntó qué significaba "GOAT", el modelo respondió que corresponde a Greatest of All Time ("el mejor de todos los tiempos") y añadió que el apodo encajaba perfectamente con Messi.

Además, cuando el tema lo amerita, también puede complementar las respuestas con elementos visuales, como tarjetas sobre eventos deportivos o el pronóstico del tiempo, para ofrecer más contexto sin interrumpir la conversación.

Otra de las novedades mostradas fue la traducción simultánea. Durante la demostración, OpenAI explicó que el modelo ahora puede mantener conversaciones prácticamente en tiempo real entre distintos idiomas, una función que hasta ahora no estaba disponible en el modo de voz. Aunque reconoció que todavía existen diferencias de calidad fuera del inglés, también adelantó que prepara una actualización centrada en mejorar el rendimiento multilingüe, incluido el español.

Además, GPT Live-1 incorpora una arquitectura full duplex. En lugar de funcionar por turnos, como ocurre con la mayoría de los asistentes de voz, ambas partes pueden hablar, hacer pausas e incluso interrumpirse de una forma mucho más parecida a una conversación telefónica.

La compañía también presentó dos versiones del modelo. GPT Live-1 estará disponible para los usuarios de los planes Go, Plus y Pro, mientras que GPT Live-1 Mini será el modelo predeterminado para quienes utilizan la versión gratuita de ChatGPT.

De acuerdo con sus evaluaciones internas, aunque la versión Mini utiliza un modelo de menor tamaño, ambas representan una mejora importante frente a la generación anterior tanto en naturalidad como en capacidad de razonamiento.

La apuesta de OpenAI es convertir la voz en la forma más natural de interactuar con la IA

Para OpenAI, GPT Live-1 representa el inicio de una forma distinta de interactuar con la inteligencia artificial. Durante la sesión de preguntas y respuestas, la empresa explicó que no está desarrollando un "compañero de IA", sino una herramienta de propósito general capaz de adaptarse a distintas necesidades.

Como ejemplo, los investigadores mencionaron que suelen utilizar ChatGPT durante caminatas de entre 30 y 45 minutos para ordenar ideas relacionadas con estrategia de producto. Kumar, por su parte, explicó que acostumbra hablar con el asistente mientras cocina para resolver dudas sencillas, como cuánta agua necesita la pasta, o cuando conduce al trabajo gracias a la integración con CarPlay.

La compañía considera que, con el tiempo, la voz podría convertirse en una de las principales interfaces para interactuar con la inteligencia artificial, pero su objetivo no es que se vuelva un sustituto de la compañía humana, sino un asistente para resolver tareas. La meta es que este tipo de conversaciones permitan realizar tareas cada vez más largas y complejas, además de incorporar capacidades agénticas similares a las que hoy ofrecen otros modelos de OpenAI.

La empresa también respondió preguntas relacionadas con la privacidad. Aclaró que ChatGPT solo comienza a escuchar cuando el usuario pulsa el botón para iniciar una conversación por voz y que el sistema no permanece escuchando de forma permanente. Además, explicó que los fragmentos de audio pueden almacenarse hasta por 30 días para mantener el contexto de las conversaciones y que únicamente se utilizan para entrenar modelos cuando el usuario activa expresamente esa opción.

OpenAI también adelantó que continuará mejorando el rendimiento del modelo en más idiomas y ampliando sus capacidades para conversaciones de mayor duración y tareas cada vez más complejas.

En Xataka México | Visa quiere que ChatGPT haga tus compras: así funcionarán los pagos con IA

En Xataka México | Desde hoy, ChatGPT es mejor, más preciso y más personalizado... y no debes pagar nada para aprovecharlo