OpenAI presenta GPT-Live para llevar conversaciones de voz más naturales a ChatGPT

Creado con IA

OpenAI presentó GPT-Live, un nuevo modelo de voz para ChatGPT que cambia la forma en que el sistema procesa una conversación oral. GPT-Live procesa la conversación oral en tiempo real y usa GPT-5.5 para consultas que requieren búsqueda web, razonamiento o tareas agénticas.

GPT-Live permite que ChatGPT escuche mientras responde

GPT-Live está basado en una arquitectura full-duplex, por lo que puede procesar audio entrante mientras genera una respuesta hablada. Esta diferencia técnica lo separa de los sistemas de voz por turnos, donde el modelo debe detectar que el usuario terminó de hablar antes de responder.

El objetivo del cambio es reducir errores de interacción producidos por pausas breves, ruido de fondo o interrupciones durante la conversación. En la práctica, GPT-Live puede seguir escuchando, pausar, responder, interrumpir o invocar una herramienta mientras mantiene abierto el flujo de audio.

OpenAI también lo comparó con los sistemas en cascada usados en versiones anteriores de voz, donde una cadena separaba transcripción, generación de texto y síntesis de audio. Esa arquitectura podía agregar latencia y perder señales propias del habla, como pausas, énfasis o interrupciones.

GPT-Live registra mejores resultados que AVM en las pruebas publicadas por OpenAI

OpenAI usa AVM como referencia porque corresponde a Advanced Voice Mode, el modo de voz avanzado que ChatGPT venía utilizando antes del despliegue de GPT-Live. La comparación no enfrenta a GPT-Live con asistentes externos ni con una media del mercado, sino con la experiencia de voz previa dentro de ChatGPT.

La primera gráfica muestra la evaluación conversacional y combina una prueba de preferencia por pares frente a AVM con calificaciones humanas sobre flujo del diálogo y agrado de la interacción.

Observaciones de la gráfica

• La comparación sirve para medir el cambio frente al modo de voz avanzado de ChatGPT, no frente a sistemas de voz externos.
• GPT-Live-1 alcanza 75,7% de preferencia frente a AVM, mientras GPT-Live-1 mini llega a 69,2%.
• Ambas versiones quedan por encima de AVM en flujo de conversación y agrado, según las calificaciones publicadas por OpenAI.
• La gráfica permite medir el cambio respecto del modo de voz avanzado de ChatGPT, no establecer una comparación general con otros sistemas de voz.

Razonamiento científico y búsqueda agéntica en las pruebas de OpenAI

La segunda medición se aparta de la fluidez conversacional y compara resultados en tareas donde la respuesta correcta importa más que el ritmo del diálogo. GPQA mide razonamiento científico en preguntas de alta dificultad, mientras BrowseComp evalúa búsqueda agéntica, un escenario donde el sistema debe localizar información difícil y sostener varios pasos antes de responder.

• En GPQA, AVM marca 45,3%, mientras GPT-Live-1 llega a 84,2% en la variante High.
• En BrowseComp, la diferencia es mayor: AVM queda en 0,7% y GPT-Live-1 High alcanza 75,2%.
• Las variantes Medium y High aparecen con los mayores resultados, lo que conecta estas pruebas con el uso de GPT-5.5 Thinking en segundo plano.
• La gráfica no mide solo calidad de voz, sino desempeño del sistema cuando la conversación oral exige razonamiento o búsqueda.

GPT-Live Medium y High muestran más éxito en tareas de voz de varios turnos

La tercera prueba se enfoca en τ³-Voice Telecom, una evaluación de agente de voz full-duplex orientada a tareas de varios turnos. La gráfica cruza tasa de éxito y duración de la tarea, por lo que no solo muestra si el agente completa la solicitud, sino también el tiempo asociado a cada variante.

• AVM queda como referencia previa, con una tasa de éxito cercana al 30% y una duración ubicada en el tramo más alto del gráfico.
• GPT-Live-1 Instant y GPT-Live-1 mini aparecen con tiempos menores, aunque con tasas de éxito más bajas que las variantes Medium y High.
• GPT-Live-1 Medium y GPT-Live-1 High concentran los mejores resultados de la prueba, con mayor tasa de éxito y uso de GPT-5.5 Thinking en segundo plano.
• La medición no evalúa solo naturalidad de voz, sino capacidad para sostener una tarea oral de varios turnos hasta completarla.

GPT-5.5 queda como modelo de respaldo para tareas complejas

GPT-Live no reemplaza por completo el razonamiento de otros modelos dentro de ChatGPT, el sistema delega el trabajo en GPT-5.5 en estas tareas:

• Búsqueda web
• Razonamiento más profundo
• Tarea agéntica

La separación entre interacción de voz y razonamiento permite que GPT-Live mantenga la conversación mientras otro modelo procesa la parte más costosa de la consulta.

• GPT-Live-1 instant y GPT-Live-1 mini usan GPT-5.5 Instant en segundo plano
• GPT-Live-1 Medium y GPT-Live-1 High usan GPT-5.5 Thinking con niveles medio y alto de razonamiento.

OpenAI comenzó el despliegue de GPT-Live en ChatGPT para iOS, Android y ChatGPT.com. GPT-Live-1 queda como modelo predeterminado de ChatGPT Voz para usuarios Go, Plus y Pro, mientras que GPT-Live-1 mini queda como opción predeterminada para usuarios Free. En esta primera versión, GPT-Live no admite voz con video ni compartir pantalla dentro de ChatGPT