OpenAI mejora la voz de ChatGPT para conversaciones más naturales y fluidas

OpenAI ha lanzado una actualización significativa para ChatGPT Voz que transforma la interacción con el asistente, haciendo que las conversaciones por voz se parezcan más a un diálogo humano. La mejora, denominada GPT-Live, permite al modelo escuchar mientras habla, reducir interrupciones y mantener un flujo más natural, incluso durante pausas para pensar o silencios breves.

La tecnología se basa en una arquitectura de doble modelo: mientras GPT-Live gestiona la conversación en tiempo real, GPT-5.5 trabaja en segundo plano para realizar tareas complejas como búsquedas web, razonamiento avanzado o análisis de datos, sin que el usuario tenga que esperar en silencio. Esta separación de funciones permite que la respuesta se incorpore de forma fluida cuando está lista.

La actualización comenzó a desplegarse este jueves para usuarios de ChatGPT en iOS, Android y la versión web. OpenAI explica que, a diferencia de la versión anterior — donde el asistente esperaba a que el usuario terminara completamente de hablar antes de responder — , el nuevo sistema detecta cuándo se trata de una pausa para pensar, cuándo ha finalizado la intervención o cuándo se necesita un breve silencio, reaccionando con expresiones como "ajá", "entiendo" o "sí" para mayor naturalidad.

Además de la fluidez conversacional, GPT-Lite introduce mejoras técnicas clave: mejor reconocimiento de voz en entornos ruidosos, capacidad para esperar durante pausas del usuario, reducción de interrupciones por silencios breves o ruido ambiental, y la opción de elegir entre niveles de razonamiento — Instant, Medium y High — según la profundidad de respuesta deseada. Durante la conversación, también se muestran tarjetas visuales enriquecidas para temas como clima, deportes o acciones bursátiles.

OpenAI destaca que el sistema mantiene compatibilidad con funciones existentes, incluyendo memoria, búsqueda web, carga de imágenes y archivos. La compañía también subraya que ha incorporado medidas de seguridad específicas para interacciones por voz, entrenando al modelo para responder de forma más segura en situaciones de riesgo como autolesión, violencia, contenido sexual o dependencia emocional hacia la IA, pudiendo intervenir ofreciendo recursos de ayuda o finalizando la interacción cuando sea necesario.

Para validar las mejoras, OpenAI realizó pruebas con usuarios que mantuvieron conversaciones de entre cinco y diez minutos con ambas versiones. Los participantes evaluaron naturalidad, ritmo, interrupciones y facilidad de interacción, y la nueva versión fue preferida en la mayoría de las pruebas, además de obtener mejores resultados en razonamiento científico, búsqueda de información y resolución de problemas de atención al cliente.

El acceso varía según el plan de suscripción: los usuarios del plan Free utilizarán GPT-Live-1 mini, mientras que los suscriptores de los planes Go, Plus y Pro accederán por defecto a GPT-Live-1, la versión más avanzada. Por ahora, la función está disponible en iOS, Android y web, con planes de llegar próximamente a la API para desarrolladores.

OpenAI reconoce algunas limitaciones en esta etapa inicial: no hay compatibilidad con video ni uso compartido de pantalla durante llamadas de voz, aunque ambas funciones están previstas para futuras actualizaciones. También admite que pueden ocurrir pequeños problemas de fluidez o acentos poco naturales en ciertos idiomas, aspectos que la compañía pretende mejorar con el tiempo.