OpenAI lanzó hoy nuevos modelos conversacionales, llamados GPT-Reside-1 y GPT-Reside-1 mini, afirmando que suenan más naturales y pueden manejar mejor los turnos. Estos son modelos full-duplex, lo que significa que pueden hablar y escuchar al mismo tiempo, lo que permite a los usuarios interrumpir de forma pure y habilitar funciones como la traducción en vivo.
La compañía también está reemplazando su modo de voz avanzado precise en ChatGPT con GPT-Reside-1 mini de forma predeterminada. Los usuarios de niveles pagos podrán acceder al modelo GPT-Reside-1 más grande. El modelo anterior combinaba un modelo de voz a texto para transcribir el habla, un modelo de lenguaje grande para generar respuestas y un modelo de texto a voz para entregar la respuesta ultimate.
La compañía dijo en una conferencia de prensa que los nuevos modelos resuelven problemas como interrumpir a los usuarios mientras hablan y no tener suficiente inteligencia para responder preguntas. Los nuevos modelos de OpenAI enviarán la consulta a sus últimos modelos de texto, como GPT-5.5, para búsqueda, razonamiento o capacidades de agencia mientras continúan la conversación.
OpenAI también demostró que el modelo puede permanecer en silencio durante mucho tiempo y absorber el contexto de la conversación hasta que se le solicite. Además, como el nuevo modo de voz tiene acceso a los modelos GPT más nuevos, también puede presentar cierta información en formato visible. Otras startups como Monogram, que recaudó 40 millones de dólares en financiación inicial de DST y Lux Capitaltambién se están inclinando por las respuestas visuales para hacer que los asistentes sean más interactivos.
La compañía dijo que el nuevo modo de voz en ChatGPT está diseñado para tener conversaciones más largas. Durante la sesión informativa, el líder de producto de ChatGPT Voice, Atty Eleti, dijo que ha tenido conversaciones de 30 a 40 minutos de duración con la función de voz durante las caminatas.
OpenAI cree que la voz podría ser la interfaz principal de la informática para trabajos complejos. Los informes han sugerido que podría lanzar un par de auriculares con capacidades de inteligencia synthetic este año. Sin embargo, no proporcionó ninguna información sobre productos de {hardware}.
«Con el tiempo, creemos que esto también desbloqueará la capacidad de utilizar la voz como una especie de interfaz principal para la informática y para gestionar trabajos de agente de larga duración cada vez más complejos. Creemos que el tipo de casos de uso sorprendentes que vemos que las personas usan Codex y ChatGPT para lograr, la voz puede ser la interfaz futura para todo tipo de trabajo», dijo Eleti.
OpenAI ha trabajado para reforzar las funciones basadas en voz durante los últimos años para hacer que el modo de voz de ChatGPT suene más pure. La compañía dijo que más de 150 millones de personas hablan con ChatGPT utilizando funciones como voz y dictado.
Los rivales también intentan hacer que los asistentes sean más expresivos.
Tanto Apple como Amazon han actualizado sus asistentes para que sean más conversacionales y tengan un mejor manejo del contexto. Startups como Sesame, fundada por el cofundador de Oculus, Brendan Iribe y Ankit Kumar, también lanzaron asistentes de inteligencia synthetic con conversaciones más naturales mientras completaban tareas en segundo plano.
OpenAI se mueve en la misma dirección, con el objetivo de permitir a los usuarios hablar con su asistente con manos libres durante más tiempo. A pesar de afirmar que el nuevo modo de voz suena más pure, la compañía enfatizó que no pretende convertirlo en un compañero de IA. Señaló que los nuevos modelos tienen salvaguardas incorporadas para brindar respuestas apropiadas para la edad a los adolescentes y brindar recursos si la conversación gira en torno a temas como la autolesión.
El nuevo modo de voz aún necesita mejoras. Durante la demostración, cuando la compañía mostró su función de traducción en vivo en hindi, el asistente tenía un fuerte acento estadounidense y habló en un hindi que sonaba poco pure y tenía un tono ligeramente estudioso. La compañía dijo que el nuevo modo está optimizado para «la mayoría de los idiomas hablados», pero no especificó cuáles.
Cuando compra a través de enlaces en nuestros artículos, podemos ganar una pequeña comisión. Esto no afecta nuestra independencia editorial.
