ChatGPT Live Voice: el modo de voz ya puede buscar en internet en plena conversación

Un columnista de ZDNet probó la versión actualizada del modo de voz de ChatGPT, Live Voice, y concluyó que hablar con el asistente se siente «casi» como conversar con una persona de carne y hueso.

Qué hay de nuevo en Live Voice

La principal diferencia de los nuevos modelos de voz de ChatGPT es que pueden escuchar al usuario, responder de viva voz y buscar información en internet al mismo tiempo, sin dividir la conversación en pasos del tipo «pregunté, esperé, recibí la respuesta». Antes, el diálogo por voz con ChatGPT funcionaba de otra manera. OpenAI presentó Advanced Voice Mode ya en 2024 junto con el modelo GPT-4o. Entonces el foco estaba en la baja latencia de respuesta, la entonación natural y la posibilidad de interrumpir al asistente a mitad de frase, pero no había búsqueda en vivo en la red durante la conversación: para consultar datos actualizados, el asistente seguía haciendo una pausa.

• Live Voice puede escuchar, hablar y buscar información en internet al mismo tiempo
• La función está integrada en los modelos de voz actuales de ChatGPT
• El columnista de ZDNet describe el diálogo con el asistente como «casi» indistinguible de una conversación con una persona

Cómo se percibe en la práctica

Según el columnista de ZDNet que probó la función, la naturalidad de la conversación es la principal impresión que deja la actualización: el asistente reacciona con la rapidez y fluidez suficientes para que la pausa previa a la respuesta no delate que al otro lado hay un programa. Eso sí, el artículo está planteado como un relato de experiencia personal y una guía de «cómo probarlo», no como el anuncio de especificaciones técnicas concretas del modelo. Es decir, se trata de la impresión subjetiva de un usuario, no de mediciones de latencia o precisión.

En qué se diferencia de la competencia

La capacidad de hacer búsquedas completas en tiempo real durante una llamada de voz es una dirección en la que avanzan a la vez varias grandes empresas de IA: Google desarrolla un principio similar de asistente de voz «en vivo» con acceso a la red en su línea Gemini Live. Para el mercado, esto significa que la interfaz de voz deja de ser una simple forma de dictar una consulta de texto que luego se procesa como un chat convencional. Se convierte en un canal propio de interacción completa con el asistente, con su propio ritmo, sus pausas y la capacidad de actuar sobre la marcha.

Dónde puede resultar útil en la práctica

Un asistente de voz que escucha y busca respuestas en la red al mismo tiempo resulta útil precisamente cuando las manos y la vista están ocupadas en otra cosa: al volante, en la cocina mientras se prepara la comida o simplemente cuando es incómodo escribir en el móvil. Hasta ahora, en estos escenarios había que esperar a que el asistente terminara de «pensar» tras la pregunta o cambiar al modo de texto si se necesitaba un dato preciso y actualizado. La nueva versión elimina esa brecha entre conversación y búsqueda.

Qué significa

Las interfaces de voz de los asistentes de IA siguen evolucionando desde la simple conversión de voz a texto hacia modelos capaces de actuar durante la conversación: buscar, precisar y responder casi sin retraso. Y es precisamente esa fluidez, más que cualquier función llamativa por separado, lo que da a los usuarios la sensación de hablar con un interlocutor «casi humano».