Presentamos GPT‑Live

Lanzamos GPT‑Live, una nueva generación de modelos de voz que hacen que hablar con la IA se parezca mucho más a mantener una conversación real.

GPT‑Live se basa en una arquitectura full-duplex, lo que significa que puede escuchar y hablar al mismo tiempo. Durante las conversaciones, GPT‑Live puede demostrar que está prestando atención con expresiones como «ajá» o «claro», participar en intercambios rápidos o simplemente guardar silencio cuando necesitas un momento para pensar. El resultado es una experiencia de voz con la que resulta sorprendentemente fácil hablar.

GPT‑Live es también nuestro modelo de voz más inteligente hasta la fecha. Para preguntas que requieren búsqueda web, razonamiento más profundo o trabajo más complejo, delega entre bambalinas en nuestro modelo de vanguardia más reciente y devuelve el resultado a la conversación cuando tiene todo lo que necesita. Mientras trabaja, GPT‑Live puede seguir hablando contigo y mantener el ritmo de la conversación. En el momento del lanzamiento, GPT‑Live usará GPT‑5.5 en segundo plano. A medida que lancemos nuevos modelos de vanguardia, iremos actualizando continuamente el modelo que usa GPT‑Live.

Estos avances impulsan una nueva experiencia de ChatGPT Voz más inteligente y natural de usar. Con el tiempo, creemos que esta investigación también facilitará el uso de la voz para trabajos cada vez más complejos, de mayor duración y más agénticos.

Hoy empezamos a desplegar dos versiones de GPT‑Live —GPT‑Live‑1 y GPT‑Live‑1 mini— para usuarios de ChatGPT de todo el mundo. También tenemos previsto llevarlas pronto a la API, y los desarrolladores y empresas pueden registrarse para recibir avisos mediante este formulario⁠.

Nuestra visión es permitir una interacción entre humanos e IA verdaderamente natural: un mundo en el que colaborar con la IA resulte tan fluido y receptivo como trabajar con otra persona, mientras el razonamiento y la ejecución de tareas complejas ocurren sin interrupciones en segundo plano.

Las generaciones anteriores de sistemas de IA de voz nos acercaron a esa visión, pero con algunas desventajas importantes.

Los sistemas de voz en cascada dependen de una serie de modelos que actúan uno tras otro para procesar cada turno. El ChatGPT Voz original encadenaba tres modelos: un modelo de voz a texto para transcribir lo que decías, un modelo de lenguaje de gran tamaño (LLM) para generar una respuesta y un modelo de texto a voz para volver a convertirla en habla. Este enfoque nos permitió hablar por primera vez con modelos de IA de vanguardia, pero la complejidad tenía un coste: podía perderse información entre modelos y las respuestas eran lentas y poco naturales.

Los modelos de voz por turnos, como el modo de voz avanzado de ChatGPT, procesaban y generaban audio dentro de un único modelo, reduciendo la latencia y haciendo las conversaciones más fluidas, pero seguían funcionando mediante turnos discretos. El modelo tenía que esperar a que el usuario dejara de hablar antes de responder, lo que producía intercambios rígidos. Además, como la detección de turnos se basa en el silencio, incluso una pausa breve o ruido de fondo podían confundirse con el final del turno, haciendo que el modelo interrumpiera en momentos poco naturales.

GPT‑Live aborda estas limitaciones mediante dos cambios en la arquitectura.

En primer lugar, creamos GPT‑Live para la interacción continua mediante una arquitectura full-duplex. En lugar de procesar una secuencia de mensajes separados, GPT‑Live procesa la entrada de forma continua mientras genera la salida. Por eso, el modelo puede tomar decisiones de interacción muchas veces por segundo: hablar, seguir escuchando, hacer una pausa, interrumpir o invocar una herramienta.

Esto permite al modelo participar en intercambios más naturales, mantener una mejor noción del tiempo e incluso realizar traducción en directo.

En segundo lugar, desacoplamos GPT‑Live —que gestiona la interacción continua— del trabajo más profundo. Cuando una pregunta requiere búsqueda, razonamiento o capacidades más agénticas, GPT‑Live puede delegar la tarea en otro modelo, como GPT‑5.5. Esto le permite mantener la conversación, incluso mientras gestiona varias tareas en segundo plano.

Este cambio en la arquitectura también permite a GPT‑Live usar continuamente los modelos y agentes más recientes, combinando inteligencia de vanguardia con interacción natural.

Creamos nuevas evaluaciones humanas para medir el agrado y el flujo de la conversación. En estas comparaciones directas, GPT‑Live‑1 y GPT‑Live‑1 mini han resultado claramente preferidos frente al modo de voz avanzado en conversaciones equivalentes de 5–10 minutos que miden la preferencia general, la toma de turnos, las interrupciones, la fluidez de la conversación y lo natural que resultó cada interacción.

• GPQA: GPT‑Live‑1 supera ampliamente al modo de voz avanzado en GPQA, que evalúa razonamiento científico de nivel experto en biología, química y física.
• BrowseComp: GPT‑Live‑1 muestra grandes mejoras frente al modo de voz avanzado en BrowseComp, que evalúa la búsqueda web agéntica y la capacidad de encontrar información difícil de localizar.
• τ³-Voice Telecom**: GPT‑Live‑1 supera al modo de voz avanzado en τ³-Voice Telecom, que evalúa agentes de voz en tareas realistas y de varios turnos relacionadas con la atención al cliente en el sector de las telecomunicaciones.

Cada semana, más de 150 millones de personas hablan con ChatGPT mediante funciones como Voz y Dictado. Lo usan para recibir ayuda cotidiana sin manos, practicar idiomas, contar cuentos antes de dormir o simplemente charlar de camino al trabajo.

A partir de hoy, cuando pulses el botón Voz para hablar con ChatGPT, tendrás una experiencia mejorada impulsada por GPT‑Live: conversaciones más naturales, respuestas más inteligentes, mejor escucha y respuestas visuales.

Hablar con ChatGPT debería parecer ahora mucho más una conversación real. Puedes interrumpir con una pregunta, hacer una pausa para ordenar tus ideas o pedirle a ChatGPT que vaya más despacio. Reconoce de forma natural lo que dices con expresiones como «ajá» o «vale», para que sepas que te sigue. También hemos remasterizado las nueve voces diferenciadas de ChatGPT para GPT‑Live.

ChatGPT Voz ahora puede aprovechar nuestros modelos de vanguardia más recientes para ofrecerte respuestas más inteligentes cuando las necesites. También puedes elegir el nivel de razonamiento que se ajuste a tus necesidades: Instant para respuestas rápidas, o Media y Alta cuando quieras que ChatGPT dedique más tiempo a pensar.

Si te tomas un momento para pensar, ChatGPT Voz ahora espera en lugar de adelantarse e interrumpir. Si le pides que guarde silencio y escuche, lo hará. Y cuando hay ruido de fondo, como tráfico que pasa o conversaciones cercanas, ChatGPT se centra mejor en tu voz en lugar de distraerse.

Algunas respuestas son más útiles cuando puedes verlas. Mientras hablas, ChatGPT ahora puede mostrar tarjetas visuales enriquecidas sobre temas como el tiempo, la bolsa, los deportes y mucho más. Voz también sigue siendo compatible con búsqueda, memoria, imágenes y subida de archivos.

El resultado es una experiencia de ChatGPT Voz que se resulta más natural, más capaz y más útil en la vida diaria.

GPT‑Live se ha diseñado para ser seguro por defecto. Se basa en los avances de seguridad de nuestros modelos más recientes y añade entrenamiento específico de seguridad en áreas de riesgo clave, además de nuevas medidas de protección diseñadas específicamente para la voz.

Para reflejar mejor cómo usan las personas la voz en situaciones reales, empezamos ampliando nuestras pruebas de seguridad para incluir nuevas evaluaciones nativas de audio. También creamos evaluaciones sintéticas que usan audio generado para centrarse con más intensidad en áreas clave de seguridad, aprovechando lo aprendido con el modo de voz avanzado. Esas áreas incluyen autolesiones, psicosis y manía, dependencia emocional de la IA, violencia y contenido sexual. Expertos internos también sometieron el modelo a pruebas de red team para detectar riesgos específicos de la voz.

En nuestras pruebas, GPT‑Live rindió de forma comparable o mejor que el modo de voz avanzado en casi todas las áreas evaluadas. Puedes leer más sobre nuestras pruebas y medidas de protección en la tarjeta del sistema⁠(se abre en una ventana nueva) de GPT‑Live.

Dado que las conversaciones de voz se desarrollan en tiempo real, también incorporamos medidas de protección que pueden actuar mientras el modelo habla. Cuando el sistema detecta una salida que podría ser poco segura, puede orientar el modelo hacia una respuesta más segura, mostrar mensajes o recursos de seguridad adicionales, o finalizar la conversación de voz en casos de mayor riesgo. Para conversaciones sobre autolesiones, hemos adaptado los flujos de apoyo de ChatGPT para el formato de voz, lo que incluye ofrecer ayuda a través de servicios de atención telefónica para crisis, supervisados por expertos.

Hemos diseñado protecciones adicionales para apoyar a los usuarios adolescentes y entrenamos comportamientos adecuados a la edad directamente en el modelo para reducir el riesgo de respuestas inapropiadas. Los padres pueden elegir si sus hijos adolescentes pueden usar ChatGPT Voz mediante Controles parentales, y los padres vinculados pueden recibir avisos en situaciones de mayor riesgo con indicios de posibles autolesiones o intención suicida.

También estamos implementando mediciones a más largo plazo y supervisión posterior al lanzamiento centradas en la dependencia emocional para seguir mejorando nuestra comprensión y perfeccionar las medidas de protección. Basándonos en nuestra investigación anterior sobre el uso afectivo y el bienestar emocional, esto nos ayudará a identificar patrones emergentes y a mejorar cómo responde el sistema en interacciones con un alto componente emocional.

Por último, GPT‑Live está diseñado para conversar, no para suplantar voces. Usa un conjunto de voces predefinidas en ChatGPT, con medidas de protección para impedir que imite la voz de una persona real.

Nuestra prioridad es velar por la seguridad y el bienestar, y seguiremos reforzando estas protecciones a medida que aprendamos del uso en el mundo real.

GPT‑Live ya se está desplegando para usuarios de ChatGPT de todo el mundo en iOS, Android y ChatGPT.com⁠(se abre en una ventana nueva). GPT‑Live‑1 pasará a ser el modelo predeterminado que impulsa ChatGPT Voz para usuarios de Go, Plus y Pro, y GPT‑Live‑1 mini será el predeterminado para usuarios de Free. Encontrarás más detalles sobre la disponibilidad en nuestro Centro de ayuda⁠(se abre en una ventana nueva).

Hemos optimizado GPT‑Live para algunos de los idiomas más populares en ChatGPT. En determinados idiomas, el modelo puede tener un acento no nativo o que su fluidez no sea perfecta. Estamos trabajando activamente para mejorar la experiencia en todos los idiomas.

En el momento del lanzamiento, GPT‑Live no admitirá voz con vídeo ni compartir pantalla en ChatGPT, pero estamos trabajando para incorporar pronto estas capacidades. Aún puedes acceder a versiones anteriores de ChatGPT Voz, incluidos los modos de voz estándar y avanzado, donde estas funciones sí están disponibles.