ChatGPT Live Voice: el modo de voz aprende a buscar en internet durante la conversación

Un revisor de ZDNet probó la versión actualizada del modo de voz de ChatGPT — Live Voice — y señaló que la conversación con el asistente "casi" se siente como comunicarse con una persona real.

Qué hay de nuevo en Live Voice

La principal diferencia con los nuevos modelos de voz de ChatGPT es que pueden escuchar simultáneamente al usuario, responder por voz y buscar información en internet sin romper la conversación en pasos separados de "preguntó — esperó — obtuvo una respuesta". Anteriormente, el diálogo de voz con ChatGPT estaba estructurado de manera diferente: OpenAI mostró Advanced Voice Mode nuevamente en 2024 junto con el modelo GPT-4o — entonces el énfasis estaba en la baja latencia de respuesta, entonaciones naturales y la capacidad de interrumpir al asistente a mitad de oración, pero no había búsqueda web en vivo directamente durante la conversación, y el asistente todavía hacía una pausa para encontrar hechos actuales.

• Live Voice puede escuchar, hablar y buscar en internet simultáneamente
• La característica está integrada en los modelos de voz actuales de ChatGPT
• Un revisor de ZDNet describe el diálogo con el asistente como "casi" indistinguible de hablar con una persona

Cómo se siente esto en la práctica

Según el revisor de ZDNet que probó la característica, la naturalidad de la conversación es la principal impresión de la actualización: el asistente responde lo suficientemente rápido y sin problemas para que la pausa antes de la respuesta no delate el software en el interlocutor. Al mismo tiempo, el material en sí está enmarcado como una revisión de experiencia personal e instrucciones sobre "cómo probarlo", en lugar de un anuncio de características técnicas específicas del modelo — es decir, estamos hablando de la impresión subjetiva de un usuario, no de mediciones de latencia o precisión.

Cómo esto difiere de los competidores

La capacidad de realizar búsquedas a gran escala en tiempo real directamente durante una llamada de voz es una dirección en la que varias empresas importantes de IA se están moviendo simultáneamente: un principio similar de asistente de voz "en vivo" con acceso a internet está siendo desarrollado por Google en la línea Gemini Live. Para el mercado, esto significa que la interfaz de voz deja de ser simplemente una forma de dictar una consulta de texto, que luego se procesa como un chat de texto normal, y se convierte en un canal separado para interacción completa con el asistente — con su propio ritmo, pausas y capacidad de actuar durante la conversación.

Dónde puede ser útil esto en la práctica

Un asistente de voz que simultáneamente escucha y busca respuestas en internet es útil precisamente en situaciones donde tus manos y ojos están ocupados con otra cosa: mientras conduces, en la cocina mientras cocinas, o simplemente cuando es incómodo escribir en un teléfono. Anteriormente en tales escenarios, tenías que esperar a que el asistente terminara de "pensar" después de una pregunta, o cambiar al modo de texto si necesitabas un hecho exacto actual — la nueva versión elimina esta brecha entre conversación y búsqueda.

Qué significa esto

Las interfaces de voz de los asistentes de IA continúan moviéndose de la simple conversión de voz a texto a modelos que pueden actuar durante la conversación — buscar, aclarar y responder casi sin retraso — y es precisamente esta suavidad, en lugar de una característica separada y flashy, lo que causa una impresión en los usuarios de un interlocutor "casi real".