GPT Live: interacción natural entre humanos y IA por voz

El nuevo modelo cuenta con nueve voces y la posibilidad de elegir el nivel de razonamiento según la complejidad de la tarea.

Open AI lanzó GPT-Live, que describen con una nueva generación de modelos de voz. Con este nuevo servicio buscan que hablar con una inteligencia artificial (IA), parezca mucho más a mantener una conversación real.

La startup señaló que la visión es permitir una interacción entre humanos e IA verdaderamente natural: un mundo en el que colaborar con la IA resulte tan fluido y receptivo como trabajar con otra persona

De acuerdo con OpenAI, este nuevo producto se basa en una arquitectura full-duplex, es decir que significa que puede escuchar y hablar al mismo tiempo.

“Durante las conversaciones, GPT‑Live puede demostrar que está prestando atención con expresiones como «ajá» o «claro», participar en intercambios rápidos o simplemente guardar silencio cuando necesitas un momento para pensar. El resultado es una experiencia de voz con la que resulta sorprendentemente fácil hablar. GPT‑Live es también nuestro modelo de voz más inteligente hasta la fecha” señala en un comunicado Open AI.

Describen que para cuando las preguntas requieren búsquedas en la web, razonamiento más profundo o un trabajo completo, delega entre bambalinas en el modelo mas reciente y devuelve el resultado a la conversación cuando tiene todo lo que necesita. Es decir que mientras CHAT-Live puede trabajar internamente mientras habla con el usuario y mantiene el ritmo de la conversación para que esta sea fluida, marcando una ruptura total con los enfoques anteriores donde las charlas eran en cascada o por turnos rígidos y lentos.

Para lograr una dinámica libre de fricciones, el funcionamiento de GPT-Live se sostiene en cuatro claves principales:

• Conexión continua Full-Duplex: El sistema procesa el audio de entrada de forma continua al mismo tiempo que genera el habla de salida. Esto le permite tomar decisiones de interacción muchas veces por segundo, logrando interrumpir su propio discurso de forma natural, asimilar interrupciones del usuario o reaccionar de inmediato.

• Desacoplamiento de tareas: OpenAI separó el motor encargado de gestionar el flujo conversacional en tiempo real de la infraestructura que realiza el trabajo analítico pesado. Esto evita que la voz sufra retrasos o se congele mientras procesa datos.

• Delegación inteligente en segundo plano: Cuando se plantea una consulta compleja que requiere una búsqueda web profunda o capacidades agénticas, GPT-Live delega esa tarea en segundo plano al modelo GPT-5.5. Mientras este segundo motor busca la respuesta, GPT-Live puede seguir charlando activamente con el usuario sin perder el ritmo ni congelar la llamada.

• Enfoque acústico selectivo: El modelo cuenta con una capacidad mejorada de escucha que le permite ignorar el ruido de fondo habitual —como el tráfico o conversaciones de terceros a su alrededor— para concentrarse de manera exclusiva en la voz del usuario, identificando con precisión si una pausa es para pensar o si ha terminado de hablar.

“En el momento del lanzamiento, GPT‑Live usará GPT‑5.5 en segundo plano. A medida que lancemos nuevos modelos de vanguardia, iremos actualizando continuamente el modelo que usa GPT‑Live. Estos avances impulsan una nueva experiencia de ChatGPT Voz más inteligente y natural de usar. Con el tiempo, creemos que esta investigación también facilitará el uso de la voz para trabajos cada vez más complejos, de mayor duración y más agénticos. Hoy empezamos a desplegar dos versiones de GPT‑Live —GPT‑Live‑1 y GPT‑Live‑1 mini— para usuarios de ChatGPT de todo el mundo” indica Open AI.

Además de su arquitectura, la experiencia se potencia con la remasterización de sus nueve voces y la posibilidad de elegir el nivel de razonamiento según la complejidad de la tarea (Instant para rapidez, o Media y Alta para un análisis profundo). Asimismo, la interacción deja de ser solo audible: ahora la interfaz despliega tarjetas visuales con información en tiempo real (clima, bolsa o deportes) mientras se mantiene la compatibilidad con el uso de imágenes, memoria y subida de archivos.