OpenAI lanza GPT-Live-1 y GPT-Live-1 mini, sus nuevos modelos de voz para ChatGPT

OpenAI lanzó a principios de julio de 2026 una nueva generación de modelos de voz para ChatGPT: GPT-Live-1 y su versión ligera, GPT-Live-1 mini. Con ellos, el modo de voz del asistente pasa por completo a una arquitectura full duplex. Así lo informó, citando fuentes, el medio tecnológico chino 36Kr (36氪).

Qué ha cambiado en el modo de voz de ChatGPT

Las versiones anteriores del asistente de voz de ChatGPT funcionaban por turnos estrictos: el usuario pronunciaba una frase, el modelo esperaba a que hubiera una pausa y solo entonces generaba una respuesta que no se podía interrumpir hasta el final. GPT-Live-1 y GPT-Live-1 mini cambian ese esquema por completo. Ambos modelos se basan en una arquitectura "full duplex", que les permite recibir la voz del usuario y generar la suya propia de forma simultánea, en lugar de hacerlo por turnos.

• Los nuevos modelos se llaman GPT-Live-1 (versión principal) y GPT-Live-1 mini (versión ligera, para escenarios que exigen menos recursos)
• Ambos utilizan una arquitectura full duplex: la recepción y la generación de voz se producen en paralelo, no de forma secuencial
• El usuario puede interrumpir la respuesta del modelo en cualquier momento de la conversación
• La actualización afecta a toda la funcionalidad de voz de ChatGPT

Por qué la conversación con el asistente resulta más natural

La principal consecuencia del full duplex es que desaparecen las pausas incómodas y la rígida alternancia de turnos típicas de los bots de voz de la generación anterior. Si el usuario matiza la pregunta a mitad de frase, la reformula o simplemente quiere cortar al modelo con un "espera, no me refería a eso", GPT-Live-1 reacciona de inmediato. Ya no reproduce hasta el final una respuesta generada de antemano, como ocurría en los modos de voz anteriores de ChatGPT.

A nivel técnico, el full duplex es más difícil de implementar que la cadena habitual de "reconocer la voz → generar la respuesta → sintetizar la voz". El modelo tiene que decidir constantemente si sigue hablando, si escucha o si hace ambas cosas a la vez, sin que las voces se solapen y sin perder el hilo de la conversación. Por eso este tipo de sistemas siguió siendo poco común durante mucho tiempo, incluso en los grandes laboratorios.

Para qué sirve la versión ligera mini

Ofrecer dos modelos, GPT-Live-1 y GPT-Live-1 mini, es una estrategia habitual en los servicios de voz, donde la latencia de respuesta es crucial para lograr la sensación de un diálogo "vivo". La versión ligera está pensada para escenarios en los que priman la rapidez de reacción y una menor carga sobre la infraestructura. El modelo principal, en cambio, puede emplearse cuando la prioridad es la calidad y la precisión de la respuesta.

Dónde se notará primero

La capacidad de respuesta en la conversación se nota especialmente cuando la voz es la única forma de interactuar con el asistente: al volante, con las manos ocupadas, al dictar o en la atención al cliente por voz. En estas situaciones, un segundo de espera de más o no poder corregir rápidamente al modelo resulta mucho más molesto que en un chat de texto, donde basta con añadir una aclaración en el siguiente mensaje. El full duplex elimina precisamente esa fuente de frustración: la conversación fluye sin pausas artificiales del tipo "hable después de la señal".

Qué significa

El lanzamiento de GPT-Live-1 muestra que la competencia entre asistentes de voz con AI ha pasado de centrarse únicamente en la calidad de la síntesis de voz a la naturalidad del propio diálogo: hasta qué punto hablar con el modelo se siente como una conversación real y no como un intercambio de frases con un contestador automático. Los usuarios, que cada vez hablan más con ChatGPT por voz en lugar de escribirle, obtienen un asistente que se comporta más como un interlocutor real, con sus interrupciones y matices, que como un menú de voz clásico con guiones rígidos. Teniendo en cuenta que Google ya cuenta con su propio modo de voz, Gemini Live, la actualización del motor de voz de ChatGPT parece una respuesta directa a la creciente competencia por los usuarios que prefieren hablar con la AI en lugar de escribir.