OpenAI lanzó hoy nuevos modelos de conversación llamados GPT-Live-1 y GPT-Live-1 mini, que, según afirma, suenan más naturales y manejan mejor los turnos. Estos son modelos full duplex. Esto significa que puede hablar y escuchar al mismo tiempo, lo que permite a los usuarios hacer una pausa de forma natural y habilitar funciones como la traducción en vivo.
La compañía también reemplazará el modo de audio avanzado actual de ChatGPT con GPT-Live-1 mini de forma predeterminada. Los usuarios del nivel pago tendrán acceso al modelo GPT-Live-1 más grande. Los modelos anteriores combinaban un modelo de síntesis de texto a voz para transcribir el discurso, un modelo de lenguaje a gran escala para generar la respuesta y un modelo de síntesis de texto a voz para proporcionar la respuesta final.
La compañía dijo en rueda de prensa que el nuevo modelo soluciona problemas como interrumpir la conversación de un usuario o no tener suficiente inteligencia para responder una pregunta. Los nuevos modelos de OpenAI continúan la conversación mientras consultan modelos de texto modernos como GPT-5.5 para búsqueda, inferencia o funcionalidad de agente.
OpenAI también demostró que el modelo puede permanecer en silencio durante largos períodos de tiempo y absorber el contexto de la conversación hasta que se llama. Además, el nuevo modo de voz tiene acceso al nuevo modelo GPT, por lo que también podrás mostrar cierta información en formato visual. Otras nuevas empresas como Monogram, que recaudó 40 millones de dólares en financiación inicial de DST y Lux Capital, también se están inclinando por las respuestas visuales para hacer que sus asistentes sean más interactivos.
La compañía dice que el nuevo modo de voz de ChatGPT está diseñado para permitir conversaciones más largas. Atty Eleti, jefe de producto de ChatGPT Voice, dijo en una sesión informativa que ha utilizado la función de voz para conversar durante 30 a 40 minutos mientras camina.
OpenAI cree que la voz tiene el potencial de convertirse en la principal interfaz informática para tareas complejas. Según los informes, la compañía podría lanzar auriculares equipados con funciones de inteligencia artificial este año. Sin embargo, no se proporcionó información sobre productos de hardware.
«Con el tiempo, creemos que esto nos permitirá utilizar la voz como una de las principales interfaces informáticas para gestionar el trabajo de los agentes cada vez más complejo y duradero. De manera similar a los sorprendentes casos de uso que la gente está logrando con Codex y ChatGPT, creemos que la voz puede ser la interfaz futura para todo tipo de trabajo», afirmó Eleti.
OpenAI ha estado trabajando en mejoras de funciones basadas en voz durante los últimos años para hacer que el modo de voz de ChatGPT suene más natural. La compañía dice que más de 150 millones de personas mantienen conversaciones con ChatGPT utilizando funciones como voz y dictado.
Las empresas rivales también están intentando mejorar la expresividad de sus asistentes.
Apple y Amazon han actualizado sus Asistentes para mejorar el manejo del contexto y hacerlos más conversacionales. Startups como Sesame, fundada por los cofundadores de Oculus, Brendan Iribe y Ankit Kumar, también lanzaron asistentes de inteligencia artificial que mantienen conversaciones más naturales mientras completan tareas en segundo plano.
OpenAI avanza en la misma dirección, con el objetivo de permitir a los usuarios tener largas conversaciones con manos libres con sus asistentes. A pesar de las afirmaciones de la compañía de que el nuevo modo de voz suena más natural, la compañía enfatizó que no pretende ser un compañero de IA. Señaló que el nuevo modelo incluye salvaguardas para brindar a los adolescentes un tratamiento apropiado para su edad y brindar recursos si la conversación gira en torno a temas como la autolesión.
Los nuevos modos de voz aún necesitan mejorar. Durante una demostración, la compañía mostró su función de traducción en vivo en hindi, y el asistente habló en hindi con un fuerte acento estadounidense, que sonaba poco natural y un poco estudioso. La compañía dijo que el nuevo modo está optimizado para los «idiomas más utilizados», pero no especificó qué idiomas.
Si compra a través de enlaces en nuestros artículos, podemos ganar una pequeña comisión. Esto no afecta la independencia editorial.
Source link
