OpenAI está actualizando su tecnología de voz AI para que coincida con su inteligencia synthetic basada en texto. Dos nuevos modelos, GPT-Dwell-1 y una versión mini, ya están disponibles para todos ChatGPT usuarios.
El nuevo dúo de modelos se basa en los últimos modelos de frontera de OpenAI. Puede seleccionar entre tres niveles diferentes de inteligencia, dependiendo de qué tan profundas desee que sean las respuestas. Pero la mayor actualización debería ser que la voz suene más humana y sea más conversacional, dijo a los periodistas Atty Eleti, líder de producto de voz ChatGPT.
Uno de los mayores cambios internos es un nuevo proceso llamado interacción continua. Este marco permite a la IA recibir información y producir resultados simultáneamente, por lo que, en el caso de la voz, puede «escuchar» y «hablar» al mismo tiempo. Este es un cambio de modos de voz anteriores que sólo podría responder después de que terminaras de hablar.
Es útil si desea realizar traducción simultánea en vivo: puede hablar en inglés y hacer que ChatGPT traduzca lo que está diciendo al español, hindi u otro idioma con solo un breve retraso.
Parte de la nueva arquitectura también puede delegar o descargar tareas a los modelos fronterizos de OpenAI. Por ejemplo, puede responder una pregunta que hiciste mientras investigabas otra.
«Cuando GPT-Dwell tiene que pensar mucho en una pregunta, puede delegar su razonamiento y tareas complejas a GPT-5.5, que puede hacer cosas en paralelo, y este GPT-Dwell aún puede permanecer en conversación con el usuario», dijo Kundan Kumar, líder de investigación del modelo GPT-Dwell. Cuando termina, «teje perfectamente» la respuesta en su respuesta.
«Así es exactamente como los humanos interactúan entre sí», añadió Eleti. «Mantenemos la conversación mientras pensamos en segundo plano».
También utiliza OpenAI nueva tecnología de diseño de IA crear algunas respuestas visuales, cuando sea apropiado, «porque a veces la mejor respuesta se muestra, no se cube en voz alta», dijo Eleti. Piense en informes meteorológicos, resultados deportivos y otros tipos de gráficos.
Este es un ejemplo de un gráfico que haría ChatGPT si le pidieras que te diera un informe meteorológico mientras estás en modo de voz.
Estos nuevos modelos de voz ahora están disponibles para todos los usuarios de ChatGPT, incluidos los usuarios gratuitos y los suscriptores de pago, en aplicaciones móviles y en el sitio net. No te preocupes si no lo ves de inmediato; OpenAI cube que puede llevar uno o dos días garantizar que todos tengan acceso. Esto es independiente de lo esperado para el jueves. Caída de la serie GPT-5.6.
Notarás que una forma en que la voz de la IA intenta imitar el habla humana es con palabras de relleno: esos «ums», «ers» y «likes» que usamos mientras pensamos en voz alta. Esos son nuevos en esta actualización. También puedes interrumpirlo con menos retrasos. Puede hacer que se siente en silencio y escuche, y que solo responda cuando se le solicite con su nombre como palabra de activación. Sin embargo, a diferencia de Siri y Alexa, ChatGPT escuchará activamente hasta que se desactive manualmente.
OpenAI lo excluye automáticamente del entrenamiento de IA con el modo de voz. Los clips de audio se almacenan durante 30 días, por lo que la IA tiene el contexto de conversaciones anteriores, y se pueden eliminar.
Sin embargo, tener una IA que parezca más humana conlleva riesgos. Hemos visto numerosos casos (y demandas) de los daños de antropomorfizando la IA puede causar, especialmente para las personas que luchan con su salud psychological. OpenAI cube que los nuevos modelos han ampliado las salvaguardas y han funcionado mejor que los modelos anteriores en «áreas clave de seguridad», incluidas la autolesión, la psicosis, la violencia y el contenido sexual.
