La corporación tecnológica OpenAI presentó oficialmente GPT-Live, el revolucionario modo de voz de ChatGPT diseñado para transformar por completo la interacción entre humanos e inteligencia artificial. El nuevo modelo, disponible para aplicaciones móviles en iOS, Android y la web, sustituye al antiguo sistema de comunicación secuencial. A diferencia de las herramientas del pasado, esta plataforma opera bajo una arquitectura full-duplex de vanguardia, permitiendo que la máquina procese el audio entrante de forma continua mientras genera sus propias respuestas habladas.
La característica más sobresaliente del software es su asombrosa capacidad para replicar con exactitud los ritmos naturales de una conversación. El sistema evalúa señales de interacción varias veces por segundo para determinar cuándo debe intervenir, pausar el diálogo o simplemente escuchar. Cuando un usuario se detiene brevemente a ordenar sus ideas, la tecnología aguarda pacientemente e intercala expresiones humanas como "mmm" o "sí" para confirmar que está prestando atención y siguiendo el hilo.
Los ingenieros del proyecto lograron que el sistema sea capaz de filtrar las distracciones del entorno, como el tráfico vehicular o ruidos de fondo, para concentrarse en su interlocutor. Los usuarios de los planes de suscripción de pago de la compañía accederán directamente a GPT-Live-1, la versión más potente del modelo. Por su parte, los usuarios de la modalidad gratuita recibirán la alternativa GPT-Live-1 mini de forma predeterminada, democratizando el acceso a las últimas innovaciones del mercado.
La segunda gran innovación del diseño radica en la separación inteligente entre la interacción continua y el procesamiento complejo de datos. Cuando una consulta requiere de un razonamiento profundo o búsquedas en la web, el sistema delega la tarea a GPT-5.5 en segundo plano. Mientras el cerebro principal resuelve problemas matemáticos o códigos, el asistente de voz mantiene la conversación activa con total fluidez, integrando los resultados finales sin que se produzcan interrupciones visibles para el usuario.
El modelo enriquece la experiencia del usuario mediante la incorporación simultánea de atractivas respuestas visuales en pantalla. Durante el intercambio verbal, la inteligencia artificial puede desplegar tarjetas gráficas informativas sobre el clima o cotizaciones bursátiles. Para las consultas que demandan un análisis más exhaustivo, la plataforma ofrece tres niveles de razonamiento técnico: Instant, para retornos veloces; Medium; y High, para resoluciones complejas que requieren mayor tiempo de maduración.
OpenAI incorporó rigurosas salvaguardas y mecanismos de seguridad específicos para mitigar los riesgos asociados al uso de la voz. El sistema está plenamente capacitado para detectar conversaciones potencialmente peligrosas y redirigir al internauta hacia canales de soporte o respuestas institucionales seguras. Asimismo, se añadieron restricciones de control para proteger a los usuarios adolescentes y bloqueos biométricos estrictos que impiden de forma absoluta que la máquina imite la voz de personas reales.
En esta primera etapa de lanzamiento global, el software presenta algunas limitaciones en sus funciones de video y herramientas para compartir pantalla. El investigador principal de la firma, Kundan Kumar, aclaró que estas características visuales avanzadas se encuentran en fase de desarrollo y se acoplarán próximamente. Mientras tanto, las versiones anteriores del asistente de voz permanecerán operativas para garantizar la continuidad del servicio a los usuarios que las requieran en sus actividades diarias.
(Con información de Infobae)
