OpenAI actualizó el modo de voz de ChatGPT para resolver uno de los problemas más comunes reportados por los usuarios: la dificultad de la inteligencia artificial para reconocer cuándo debía dejar de hablar y ceder el turno a la persona. La nueva versión, conocida como GPT Live, permite interrumpir la conversación en cualquier momento y orientar el estilo de las respuestas, ya sea pidiendo mayor rapidez, más detalle o mayor concisión.
GPT-Live está construido sobre una arquitectura full-dúplex, lo que significa que puede escuchar y hablar al mismo tiempo. Durante las conversaciones, GPT-Live puede mostrar que está prestando atención con frases como “mhmm” o “sí”, intercambiar rápidos idas y venidas, o simplemente quedarse callado cuando necesites un momento para pensar. El resultado es una experiencia de voz refrescantemente fácil de comunicar.
Esta mejora busca que las interacciones por voz se sientan más naturales, evitando las pausas incómodas o los cruces de diálogo que caracterizaban a las versiones anteriores del asistente. Además, la compañía incorporó la posibilidad de combinar el modo de voz con video en tiempo real, lo que permite a los usuarios hacer preguntas de seguimiento o cambiar de tema en medio de una conversación sin perder el hilo.
Primero, construimos GPT-Live para interacción continua usando una arquitectura full-dúplex. En lugar de procesar una secuencia de mensajes separados, GPT-Live procesa continuamente la entrada mientras genera la salida. Por tanto, el modelo puede tomar decisiones de interacción muchas veces por segundo: si hablar, seguir escuchando, pausar, interrumpir o invocar una herramienta.
Esto permite que el modelo participe en un vaivén más natural, mantenga una mejor percepción del tiempo e incluso realice traducciones en vivo.
Con estos ajustes, OpenAI apunta a competir de forma más directa con otros asistentes conversacionales que ya ofrecen experiencias de voz fluidas y adaptativas
Hablar con ChatGPT debería sentirse ahora mucho más como una conversación real. Puedes interrumpir con una pregunta, hacer una pausa para ordenar tus pensamientos o pedir a ChatGPT que vaya más despacio. Naturalmente reconoce lo que dices con frases como “mhmm” o “lo tengo”, así que sabes que está siguiendo el ritmo. También hemos remasterizado las nueve voces distintas de ChatGPT para GPT-Live.
Protecciones de GPT-Live
Las conversaciones de voz funcionan en tiempo real, por lo que se incorporaron salvaguardas capaces de intervenir mientras el modelo está hablando. Si el sistema detecta una respuesta potencialmente insegura, puede redirigir la interacción hacia opciones más seguras, mostrar mensajes o recursos adicionales, o incluso finalizar la conversación en situaciones de mayor riesgo. En temas relacionados con autolesiones, se adaptaron los flujos de apoyo ya existentes en ChatGPT para el modo de voz, incluyendo la entrega de orientación y la referencia a líneas de ayuda validadas por especialistas.
Además, se desarrollaron protecciones específicas para adolescentes, entrenando comportamientos adecuados a la edad directamente en el modelo para minimizar respuestas inapropiadas. Los padres pueden decidir si sus hijos tienen acceso a ChatGPT Voice mediante controles parentales, y aquellos con cuentas vinculadas pueden recibir notificaciones en casos de riesgo elevado, especialmente cuando se detectan señales de posible autolesión o intención suicida.
