OpenAI lanzó esta semana GPT-Live, una actualización en el modo de voz de ChatGPT, mejorando la función de interacción auditiva en tiempo real a un nivel asombroso.
De entrada, lo mejor es que esta característica se encuentra disponible para los usuarios directamente desde la interfaz de la aplicación, abarcando también a quienes utilizan el plan más barato y hasta el gratuito. Eso sí, en esos planes el uso es más limitado y luego pasa al modo de voz de anterior.
El sistema está configurado para ofrecer una comunicación continua, reduciendo significativamente las pausas o silencios entre la entrada de audio y la respuesta generada.
El funcionamiento de esta mejora técnica se sostiene sobre una arquitectura de comunicación conocida como “full duplex”. Este sistema permite que el modelo de inteligencia artificial escuche y procese información al mismo tiempo que está hablando.
De esta forma, el flujo de datos es bidireccional y simultáneo, replicando la dinámica técnica de una conversación humana. Gracias al procesamiento paralelo de audio, el sistema puede gestionar interrupciones de manera directa. Si el usuario decide hablar o cambiar de tema mientras la inteligencia artificial está emitiendo una respuesta, el sistema detiene su salida de voz inmediatamente.
Acto seguido, captura la nueva instrucción y reajusta la información sin perder el contexto previo de la consulta. El proceso interno se divide en varios componentes que operan en paralelo.
Mientras se recibe la entrada de voz, un módulo transcribe el audio de forma continua. Al mismo tiempo, otro sistema interpreta el lenguaje y comienza a estructurar la respuesta. La emisión de la voz se realiza mediante un formato de transmisión continua (streaming), lo que evita tener que procesar la totalidad del texto antes de comenzar a hablar.
GPT-Live da un salto en conversación en tiempo real con IA
Una característica añadida a GPT-Live es la capacidad de realizar búsquedas en internet durante la interacción. Cuando se requiere información actualizada, el asistente accede a la red para extraer datos específicos en tiempo real.
Además, el modelo diferencia explícitamente cuándo la información proviene de su base de datos de entrenamiento y cuándo es producto de una consulta activa en la web.
En usos prácticos, como el comercio electrónico, el sistema puede rastrear tiendas en línea para encontrar productos específicos. Al solicitar la búsqueda de un artículo, el asistente enumera opciones, detalla precios y menciona los modelos disponibles. Posteriormente, genera y muestra en la interfaz los enlaces directos hacia las publicaciones comerciales para la verificación del usuario.
El modo de voz de GPT-Live también se integra con servicios de geolocalización y mapas. Es posible realizar consultas sobre establecimientos físicos en ciudades específicas, ante lo cual el modelo busca las direcciones comerciales exactas.
Como resultado, entrega los nombres de las tiendas y genera marcadores geográficos que se pueden abrir de inmediato en aplicaciones de mapas. La sincronización en la nube complementa estas funciones mediante una conexión multiplataforma.
Las conversaciones generadas por voz a través de un teléfono móvil se actualizan instantáneamente en la versión de escritorio de la plataforma. Esto facilita que los enlaces web o de ubicación proporcionados auditivamente puedan ser revisados y administrados desde un computador sin necesidad de enviar los datos manualmente.
A pesar de la fluidez del formato, la precisión en la recuperación de datos web externos aún muestra márgenes de error. En ciertas búsquedas de productos, los precios mencionados pueden diferir levemente de los listados oficiales, y algunos enlaces generados por el asistente pueden redirigir a la página principal de la tienda en lugar de ir al artículo específico consultado.
Para conocer en detalle el funcionamiento de GPT-Live, la ejecución de las búsquedas en tiempo real y observar las pruebas en plataformas de comercio y mapas, te invito a ver el video que hice al respecto para mi canal de YouTube, donde expongo a fondo cada uno de estos procesos.
TUTORIAL PARA APROVECHAR GPT-LIVE GRATIS
