OpenAI presenta GPT-Realtime-2, con razonamiento en conversación en vivo

OpenAI ha lanzado tres nuevos modelos de voz para su API que permiten a los desarrolladores integrar razonamiento de clase GPT-5 directamente en aplicaciones de audio e interfaces de voz. El movimiento es otro paso en la lucha por dominar el mercado de la IA.

GPT-Realtime-2: razonamiento en tiempo real

GPT-Realtime-2 es el primero en llevar la capacidad de inferencia lógica compleja a una conversación de voz en vivo. A diferencia de los asistentes de voz simples, el nuevo modelo entiende los matices del contexto de la conversación y puede abordar tareas de varios pasos sin perder el hilo. Esto importa en aplicaciones que requieren consultas, planificación, analítica o soporte técnico, donde las respuestas de plantilla simplemente no sirven.

El modelo procesa el habla en tiempo real, de modo que el usuario puede hablar con libertad sin esperar una pausa para el procesamiento. Las respuestas llegan a un ritmo natural, lo que da la impresión de hablar con una persona real.

Traducción multilingüe y transcripción

OpenAI ha lanzado un modelo de traducción independiente que admite más de 70 idiomas de entrada. Así, los desarrolladores pueden crear aplicaciones globales sin multiplicar los modelos para cada idioma: un solo modelo cubre a la mayor parte de la población mundial.

Además, la compañía ha anunciado una versión en streaming de Whisper para transcripción. Procesa el audio en tiempo real y entrega el texto a medida que llega el sonido. Es clave para aplicaciones como videollamadas, traductores en vivo y asistentes de voz, donde la latencia influye directamente en la UX.

Los tres componentes clave:

• GPT-Realtime-2 para razonamiento por voz y diálogo dinámico
• Un modelo de traducción compatible con más de 70 idiomas de entrada
• Whisper en streaming para transcripción de audio de baja latencia

Estrategia de precios: conquistar el mercado

OpenAI ha fijado precios agresivos para los nuevos modelos, lo que los hace accesibles para equipos pequeños de desarrolladores y startups. La compañía apunta claramente a hacerse rápidamente con una cuota del mercado de aplicaciones de IA de voz.

Este enfoque contrasta con el posicionamiento de sus modelos de texto, donde OpenAI mantiene una posición de precios premium. Invertir en la accesibilidad de los modelos de voz indica que OpenAI ve la voz como la próxima frontera de la interacción con la IA. Quien consiga primero a los desarrolladores en este terreno tendrá una fuerte ventaja competitiva.

Qué significa

Las interfaces de voz con IA pasan de la fase experimental a ser una parte práctica del stack del desarrollador. Los precios más asequibles reducen la barrera de entrada: ahora una startup puede integrar IA de voz en su aplicación sin grandes inversiones. Esto acelerará la llegada al mercado de nuevas aplicaciones de voz.