Llevamos meses asumiendo que hablar con una inteligencia artificial va a cambiar nuestra forma de interactuar con la tecnología, pero la realidad en la calle es otra. Muchas veces la experiencia sigue transmitiendo la sensación de escuchar a un robot leyendo un guion forzado. Para solucionar esto, OpenAI ha decidido aplicar una capa de chapa y pintura a su famoso asistente de voz mediante una actualización que OpenAI acaba de anunciar. Nos referimos a GPT-Live-1.1, una revisión que no pretende reinventar la arquitectura base, sino pulir la experiencia conversacional diaria. El objetivo es que dejes de sentir fricción al charlar con tu móvil. Así de simple.
Y es que la compañía dirigida por Sam Altman es plenamente consciente de que el futuro de ChatGPT pasa por la naturalidad absoluta. Si el asistente te contesta rápido pero con una cadencia extraña o un acento fuera de lugar, la magia de la inferencia en tiempo real se rompe de golpe. Por este motivo, el parche se centra exclusivamente en añadir voces, corregir entonaciones y hacernos olvidar que hay un inmenso clúster de GPUs al otro lado del micrófono.
Adiós al acento robótico: nuevos idiomas a escena
Si miramos los números y especificaciones de esta entrega, la gran novedad es la integración de nuevas opciones vocales para francés, alemán, hindi, japonés, coreano y, muy destacable para nosotros, español de México. A esto se le suma el debut de Bubbie, una voz inédita en inglés. Básicamente, están reentrenando las salidas de audio del modelo para que respire, pause y entone como un local. Una mejora técnica que cualquier usuario intensivo va a agradecer desde el primer minuto.
Pero claro, esto no es un parche casual ni un movimiento improvisado. Cuando OpenAI nos mostró la arquitectura de GPT-Live allá por julio, prometieron el cielo: mantener conversaciones continuas, capacidad para escuchar al usuario mientras hablaba y una gestión de interrupciones casi humana. La realidad chocó de frente con las primeras pruebas de campo. Por ejemplo, durante una demostración técnica de traducción en directo, TechCrunch señaló un detalle bastante revelador. El modelo hablaba hindi fluido, pero lo hacía con un acento estadounidense tan marcado que generaba una sensación bastante antinatural. Tres meses después, intentan cortar ese problema de raíz.
El fin del eterno «checking…» en tus consultas
Hay otro detalle que OpenAI ha querido mejorar y que afecta directamente a la paciencia de quienes usamos el asistente a diario. Hasta la fecha, cuando le hacías una pregunta compleja y el sistema necesitaba buscar información externa, te repetía constantemente las mismas frases enlatadas de espera. La nueva actualización pretende diversificar el catálogo de expresiones para acabar de una vez con la pesadilla de escuchar «checking…» en bucle continuo.
Evidentemente, esto no significa que los tiempos de búsqueda vayan a reducirse por arte de magia. Las matemáticas del pipeline y el procesamiento mediante sistemas RAG siguen requiriendo su tiempo de latencia habitual. Lo que cambian son las frases de relleno. Ahora el sistema usará un abanico mucho más amplio de avisos verbales para indicarte que está trabajando en segundo plano, imitando esos ligeros titubeos o confirmaciones que haríamos los humanos mientras pensamos. Una auténtica genialidad en términos de diseño de interacción.
Despliegue masivo y la llegada de la versión Quip
En concreto, el despliegue oficial de este nuevo motor de voz ha arrancado el 15 de octubre. Y la buena noticia es que no llega solo a nuestros dispositivos. Junto al modelo principal, los desarrolladores de San Francisco están distribuyendo GPT-Live-1.1 Quip, una variante notablemente más pequeña y comprimida. Es decir, una versión optimizada que presumiblemente busca reducir el coste computacional y asegurar que la latencia se mantenga bajo control en momentos de alta demanda. Un movimiento maestro para escalar el servicio sin colapsar la infraestructura.
A ello se le suma que estas mejoras de naturalidad lingüística también van a aterrizar progresivamente en Codex y dots, apuntando a un despliegue masivo para toda la base de usuarios. La letra pequeña, como suele pasar con las grandes tecnológicas, es que la disponibilidad del catálogo completo de voces seguirá siendo fragmentada. Todo dependerá de tu región geográfica y del nivel de suscripción que tengas activo en tu cuenta. Tendrás que revisar tu configuración.
Por último, el sector de los desarrolladores tendrá que armarse de un poco más paciencia. Mientras que la iteración anterior del modo voz está disponible en la API de OpenAI desde el pasado mes de septiembre, la integración de GPT-Live-1.1 se va a retrasar. La empresa no ha facilitado ninguna fecha concreta en su hoja de ruta oficial para liberar estos nuevos acentos a terceros, dejando a las start-ups en la sala de espera.
Tocará esperar para comprobar si este lavado de cara definitivo consigue que adoptemos la voz como interfaz principal en nuestro día a día. El salto técnico que ha dado la industria en el último año es innegable, pero pulir esos pequeños valles inquietantes del audio es el verdadero desafío actual de la inteligencia artificial. Veremos si la competencia responde rápido o si este movimiento afianza aún más su dominio. La pelota está ahora mismo en el tejado de Google y Anthropic.
Me dedico al SEO y la monetización con proyectos propios desde 2019. Un friki de las nuevas tecnologías desde que tengo uso de razón.
Estoy loco por la Inteligencia Artificial y la automatización.
