OpenAI lanza un modelo de voz en tiempo real con funciones mejoradas para desarrolladores

OpenAI ha lanzado GPT-Live-1, un modelo de voz en tiempo real integrado en su API, que permite a los desarrolladores crear aplicaciones con capacidades avanzadas de interacción por voz. El modelo admite conversaciones de dos vías, lo que permite escuchar y hablar simultáneamente, al mismo tiempo que gestiona interrupciones, pausas y ruido de fondo. Está diseñado para escenarios basados en la voz, como las reservas de restaurantes y el servicio al cliente, y se puede conectar con herramientas como Codex y OpenAI Presence para la integración empresarial. GPT-Live-1 reduce la latencia al combinar el reconocimiento y la síntesis del habla en un solo modelo, y permite que modelos de texto de backend gestionen el razonamiento complejo y las llamadas a herramientas. Tony Stoyanov, cofundador y director de tecnología de una plataforma de atención médica, señaló que el uso de GPT-Live-1 redujo el código en un 80 % y eliminó aproximadamente 23.000 líneas. El modelo superó a GPT-Realtime-2.1 en un 30 % en las pruebas de dos vías y obtuvo la primera posición en las tareas de extremo a extremo de Tau3 cuando se utilizó con GPT-6 Astra. El precio de la capa de voz frontal es de 0,05 $ por minuto, con costes adicionales para los modelos y herramientas de backend. OpenAI también amplió sus opciones de voz, añadiendo 12 voces nuevas y planea añadir más en los próximos meses.