OpenAI despliega GPT-Live para permitir conversaciones fluidas y simultáneas en ChatGPT Voice

Más de 150 millones de personas utilizan las funciones de voz y dictado en ChatGPT cada semana de forma global. Para transformar esta interacción, OpenAI ha iniciado el despliegue de GPT-Live, una nueva generación de modelos diseñados específicamente para potenciar la herramienta ChatGPT Voice, logrando que el intercambio hablado abandone el esquema rígido de turnos de radio para parecerse a una llamada telefónica convencional.

La capacidad de la inteligencia artificial para procesar interrupciones inmediatas y tolerar el ruido ambiental, frecuente al usar el teléfono en el transporte público o en las calles de las ciudades de la región, facilitará el uso de ChatGPT Voice como un asistente en movilidad real, superando las limitaciones de los comandos de voz tradicionales que suelen fallar ante pausas largas o entornos ruidosos.

Procesamiento simultáneo mediante arquitectura full-duplex

La innovación técnica central de GPT-Live radica en su arquitectura full-duplex, un sistema que rompe con la limitación de los modelos anteriores que requerían esperar a que el usuario terminara de hablar por completo para empezar a procesar la respuesta. Con esta actualización, el sistema posee la capacidad de escuchar y hablar de manera simultánea. Durante el transcurso de una charla, el modelo puede emitir interjecciones cortas de atención como «mhmm» o «sí», reaccionar a interrupciones abruptas del usuario o permanecer en silencio absoluto si detecta que la persona necesita un momento para estructurar su pensamiento.

Esta fluidez conversacional se complementa con un sistema de optimización acústica que mejora la toma de turnos y reduce las activaciones falsas provocadas por sonidos secundarios de fondo. Además, la interacción hablada ya no estará aislada en la interfaz de los dispositivos móviles; a medida que el usuario conversa, la pantalla comenzará a desplegar tarjetas visuales enriquecidas con datos dinámicos actualizados sobre variables cotidianas como el estado del clima, resultados de disciplinas deportivas o cotizaciones del mercado de acciones.

Delegación de tareas complejas en segundo plano con GPT-5.5

A pesar de operar de forma instantánea en la capa de audio, GPT-Live funciona en paralelo con los modelos de procesamiento lógico más avanzados de la compañía. Para resolver consultas que exigen una búsqueda detallada en la web o un razonamiento matemático profundo, la herramienta delega la tarea de fondo a modelos frontera, utilizando a GPT-5.5 como el motor principal durante su fase de lanzamiento.

Mientras este segundo modelo procesa la información compleja en un segundo plano, GPT-Live no corta la comunicación ni congela la interfaz; puede continuar conversando con el usuario para mantener el flujo de la interacción hasta que los datos estructurados estén listos para ser incorporados al diálogo. Dentro de las configuraciones de la aplicación, el usuario final tendrá la potestad de seleccionar manualmente el nivel de razonamiento que desea aplicar a sus consultas, dividiéndose en tres categorías de potencia: Instant, Medium y High.

Esta estructura de procesamiento dual abre el camino para una traducción en vivo mucho más natural, agilizando el intercambio bilingüe en entornos de trabajo o estudio. OpenAI ha señalado que este desarrollo es el cimiento para desbloquear capacidades agénticas de larga duración, donde el usuario podrá encomendar tareas corporativas complejas usando únicamente instrucciones verbales.

Modalidades de acceso y despliegue global

El lanzamiento de esta tecnología contempla dos variantes técnicas: GPT-Live-1 y GPT-Live-1 mini. La distribución de estas herramientas en las aplicaciones oficiales de iOS, Android y en la versión web de ChatGPT.com se estructurará de acuerdo con el tipo de suscripción del usuario:

• Usuarios Go, Plus y Pro: Recibirán acceso directo a GPT-Live de forma nativa, convirtiéndose en el modelo predeterminado para gestionar todas sus interacciones de ChatGPT Voice.
• Usuarios Free (Versión gratuita): Tendrán como motor predeterminado la variante GPT-Live-1 mini, optimizada para ofrecer respuestas rápidas consumiendo una menor cantidad de recursos de red.

La empresa tecnológica confirmó que tras concluir la fase inicial de implementación para los consumidores de consumo masivo, los modelos de GPT-Live se trasladarán a su API pública, habilitando un formulario de registro previo para los desarrolladores interesados en integrar estas funciones de conversación simultánea en software de terceros.