IA en un minutoNoticiasModelos
OpenAI lleva a su API GPT-Live-1.1, el modelo de voz que escucha mientras habla
Redacción de IA en un minuto · Editor: Jon Elgezabal
En 30 segundos
OpenAI pone a disposición de quienes programan con su API el modelo de voz GPT-Live-1.1, que en octubre debutó en ChatGPT. Según la empresa, entiende y transcribe mejor, y conserva el mismo acento al saltar de una lengua a otra. GPT-Live-1 y GPT-Live-1.1 estrenan además en WebRTC un modo de espera que pausa el cómputo en los silencios y cobra menos por cada minuto que dura.
OpenAI ha llevado GPT-Live-1.1, la última versión de su modelo de voz, a su API, el canal por el que los desarrolladores integran sus modelos en aplicaciones propias. El cambio figura en el registro de cambios de la API con fecha del jueves 19 de noviembre.
Según la ficha del modelo, GPT-Live-1.1 es un modelo de voz «full-duplex»: puede escuchar a la vez que habla. Comparado con GPT-Live-1, reconoce con más precisión lo que se le dice y conserva un acento y una voz más estables de un idioma a otro. El registro de cambios lo concreta en mejoras de pronunciación, de coherencia del acento y de transcripción cuando la conversación mezcla idiomas. Para adoptarlo basta con poner gpt-live-1.1 en la configuración de una sesión Live que ya exista, y el desarrollador puede explicar con lenguaje corriente en qué momento el modelo debe pasar una tarea a su propio servidor (backend) para razonar o usar herramientas.
La actualización incorpora también un modo de espera (standby) para las sesiones WebRTC, la tecnología de comunicación en tiempo real de los navegadores, tanto de GPT-Live-1 como de GPT-Live-1.1: mientras no hay actividad, el modelo pausa el procesamiento, y lo reanuda en cuanto alguien vuelve a hablar.
Las sesiones de voz se cobran por duración: 0,05 dólares por minuto activo y 0,02 dólares por minuto en espera, una tarifa reducida que solo se aplica a las sesiones WebRTC mientras el procesamiento está pausado. El uso del modelo de servidor y de las herramientas se factura aparte, y GPT-Live-1.1 y GPT-Live-1 tienen límites separados de sesiones simultáneas. La ficha deja sin especificar el rendimiento y la velocidad del modelo.
OpenAI ya había presentado GPT-Live-1.1 para ChatGPT el 15 de octubre, en sus notas de versión, con voces nuevas en varios idiomas.
Por qué importa · análisis y opinión
Hasta este paso, quien montaba un agente de voz sobre la API de OpenAI trabajaba con la generación anterior mientras ChatGPT ya estrenaba la nueva. Ahora las empresas que atienden llamadas o preparan asistentes en varios idiomas pueden probar la misma voz que oyen los usuarios de ChatGPT. El modo de espera responde a un problema práctico: una conversación real está llena de silencios, y pagarlos a tarifa completa encarecía los asistentes que pasan horas abiertos. Lo que la ficha no aclara es cómo rinde ni a qué velocidad, así que conviene medirlo con grabaciones propias, sobre todo en castellano y con acentos regionales, antes de cambiar un servicio que ya funciona.
Fuente oficial: OpenAI · Redactada con ayuda de IA: cómo hacemos las noticias



