OpenAI integra Bidi 1 en ChatGPT: un modelo de voz que habla y escucha a la vez

OpenAI acelera la transformación de ChatGPT en una superapp: la compañía desarrolla a la vez el modelo de voz bidireccional Bidi 1, integra el asistente para programadores Codex y amplía las capacidades de los agentes.

Qué es GPT Bidi 1

Investigadores han encontrado en el código de la aplicación móvil de ChatGPT rastros de un nuevo modelo de audio con el nombre en clave GPT Bidi 1. «Bidi» viene de bidirectional, es decir, bidireccional.

Es un enfoque radicalmente distinto al del modo de voz actual, donde el modelo alterna de forma secuencial entre escuchar y responder: primero escucha y luego habla, como un walkie-talkie con botón de «recepción». El modo dúplex cambia la propia dinámica de la conversación. El usuario podrá interrumpir al asistente a media frase, y el asistente podrá reaccionar en tiempo real a la entonación, las pausas y el ritmo del habla, sin esperar a que haya una pausa. El retardo entre intervenciones se reduce de forma notable y la conversación resulta menos robótica.

Así funcionan las interfaces de voz más avanzadas: Apple Intelligence en iOS 18 y Google Duplex llevan tiempo admitiendo un intercambio dúplex completo.

Qué cambia con Bidi 1:

• la voz y el oído funcionan a la vez, sin cola para el «aire»
• el usuario puede interrumpir la respuesta en cualquier momento
• se reduce el tiempo de respuesta entre intervenciones
• el asistente percibe la entonación y reacciona a las pausas
• la conversación suena más natural y más parecida a hablar con una persona

Todavía no se ha anunciado una fecha concreta de lanzamiento de Bidi 1, pero la presencia del modelo en el código de producción de ChatGPT indica que el estreno está cerca.

Codex dentro de ChatGPT

En paralelo al trabajo en la voz, OpenAI integra en ChatGPT su asistente para programadores, Codex. Hasta ahora, Codex existía como producto independiente con interfaz propia. Tras la integración, se podrá escribir, depurar y explicar código directamente en la ventana principal del chat, sin cambiar de pestaña.

Para los desarrolladores que ya han incorporado ChatGPT a su flujo de trabajo, supone una simplificación importante: un único espacio de trabajo sustituirá a dos herramientas separadas. Codex estará disponible en la misma conversación que la búsqueda web, la generación de imágenes, el análisis de archivos y, próximamente, el modo de voz Bidi 1.

Agentes: el tercer frente

El tercer componente de la gran actualización son las herramientas para agentes de IA. ChatGPT pasa de forma gradual de ser un chatbot reactivo a un asistente proactivo, capaz de ejecutar tareas de varios pasos de forma autónoma: reservar billetes, comparar productos en marketplaces, rellenar formularios en línea y buscar y sintetizar información de distintas fuentes.

«Queremos que

ChatGPT sea la aplicación que haga por ti todo lo que normalmente haces en internet», según fuentes familiarizadas con la estrategia de OpenAI.

Los tres componentes (la voz en vivo de Bidi 1, Codex integrado y los agentes autónomos) se refuerzan entre sí. Un agente con voz dúplex y capacidad para escribir código es una clase de herramienta radicalmente distinta, no simplemente un chatbot actualizado.

Qué significa

OpenAI avanza deliberadamente hacia el formato de superapp: un único producto que cubra la mayoría de los escenarios cotidianos, como voz, código, automatización de tareas y búsqueda de información.

Para el usuario común, la consecuencia más inmediata es que hablar con ChatGPT resultará notablemente más vivo y natural. Para las empresas, implica un nuevo nivel de automatización de tareas operativas que antes requerían a una persona o un conjunto de herramientas SaaS independientes.

Los competidores, de Google a Anthropic, tendrán que volver a acelerar.