Hoy OpenAI anunció algo que lleva tiempo esperando: GPT-Live, un modelo de voz que puede escuchar y hablar al mismo tiempo. No es una mejora incremental, es un cambio arquitectónico real.
El problema de los modelos de voz anteriores
Para entender por qué esto es importante, hay que cachar cómo funcionaban los modelos de voz hasta ahora. El ChatGPT Voice original usaba un sistema en cascada: primero transcribía tu voz a texto, luego el LLM generaba una respuesta, y finalmente un modelo de texto-a-voz la convertía en sonido. Tres modelos en fila. Lento, y perdías matices en el camino.
Después llegó el Advanced Voice Mode, que procesaba audio dentro de un solo modelo. Mejor latencia, pero seguía siendo por turnos: tú hablas, te callas, la IA responde. Si hacías una pausa para pensar, la IA te interrumpía. Cualquiera que haya usado Siri o Alexa conoce ese problema.
Full-duplex: la diferencia real
GPT-Live usa una arquitectura full-duplex. Eso significa que procesa entrada y genera salida de forma continua, no por turnos. Puede decir “mhmm” o “yeah” mientras escuchas, hacer interrupciones naturales, o quedarse callada cuando necesitas un momento para pensar. Básicamente, conversa como lo harías con un colega en la oficina.
Y acá viene la parte interesante: cuando le haces una pregunta que requiere más procesamiento —una búsqueda web, razonamiento complejo, una tarea de varios pasos— GPT-Live delega el trabajo a GPT-5.5 en segundo plano y sigue conversando contigo mientras procesa. Cuando tiene el resultado, lo integra en la conversación. Es como cuando le pides a alguien que busque algo mientras siguen charlando.
Dos versiones disponibles desde ya
OpenAI lanzó dos variantes: GPT-Live-1 para usuarios Go, Plus y Pro, y GPT-Live-1 mini para usuarios gratuitos. Ambas ya están disponibles globalmente en iOS, Android y ChatGPT.com. La API llegará después, y ya hay un formulario para que developers se registren.
Mi opinión
Mira, la conversación natural con IA es uno de esos problemas que parece simple pero es brutal de resolver. El full-duplex es exactamente lo que faltaba. Los modelos anteriores se sentían como hablar por un walkie-talkie: over y cambio. GPT-Live se acerca más a una llamada telefónica real.
Pero lo que me parece más strategic es la delegación. Separar la interacción continua del razonamiento profundo es un diseño elegante. GPT-Live no necesita ser el modelo más inteligente —necesita ser el más fluido— y puede apoyarse en modelos más capaces cuando hace falta. Es como un recepcionista que sabe cuándo derivar al especialista.
El riesgo obvio es que esto se sienta tan natural que la gente olvide que está hablando con una máquina. OpenAI mencionó que están optimizando para los idiomas más populares de ChatGPT, pero en algunos puede tener acento no nativo o vacíos de fluidez. Veremos cómo lo manejan en español.
Lo que sí es claro: la interfaz de voz dejó de ser un gimmick y empezó a ser una forma seria de interactuar con IA. Si desarrollas aplicaciones conversacionales, esto cambia las reglas del juego. Y si solo usas ChatGPT para lo cotidiano, la experiencia acaba de dar un salto bastante grande.
Fuente de inspiración: Introducing GPT-Live | OpenAI
