Hogar
OpenAI incorpora GPT-Live-1 a su API con voz full-duplex y compatibilidad con interrupciones para llamadas de atención al cliente
OpenAI ha integrado GPT-Live-1 en su API, lo que permite a los desarrolladores crear aplicaciones y flujos de trabajo empresariales que facilitan las interacciones de voz en tiempo real. Este modelo permite mantener conversaciones en dúplex completo, es decir, escuchar y hablar al mismo tiempo, al tiempo que gestiona de forma eficaz las interrupciones, las pausas y el ruido de fondo.
GPT-Live-1 también está optimizado para situaciones en las que se utiliza el teléfono, como reservas en restaurantes y atención al cliente, lo que permite el uso de agentes de voz en modo dúplex completo. OpenAI señala que los desarrolladores pueden integrarlo con herramientas como Codex o aprovechar OpenAI Presence para crear aplicaciones de voz que consulten sistemas empresariales, ejecuten acciones autorizadas y transfieran llamadas sin problemas a agentes humanos cuando sea necesario.

Comprensión y salida de voz unificadas para reducir la latencia
GPT-Live-1 combina el reconocimiento y la síntesis de voz en un único modelo, lo que elimina la necesidad de múltiples conexiones, típicas del flujo de trabajo tradicional «voz a texto — LLM — texto a voz», reduciendo así significativamente la latencia. El modelo también gestiona razonamientos complejos y llamadas a herramientas a través de modelos de texto de backend. Los desarrolladores pueden personalizar el tono, la velocidad y el estilo de conversación a través de indicaciones del sistema, al tiempo que configuran los modelos de backend, las herramientas y los marcos de trabajo de los agentes. OpenAI confirma que GPT-Live-1 admite la transcripción nativa del reconocimiento de voz y el texto de respuesta, con capacidades como la comprensión alfanumérica, el sesgo de palabras clave y la detección de turnos.
Las primeras evaluaciones indican que el uso de GPT-Live-1 redujo las interrupciones erróneas durante las pausas de reflexión de los alumnos en la plataforma de aprendizaje de idiomas Speak en casi un 80 % en comparación con el anterior sistema basado en turnos. Tony Stoyanov, cofundador y director técnico de una plataforma de servicios médicos, informó de una reducción del 80 % en el volumen de código, lo que supuso la eliminación de aproximadamente 23 000 líneas de código. Las evaluaciones de OpenAI demuestran que GPT-Live-1 supera a GPT-Realtime-2.1 en 30 puntos porcentuales en la prueba Full Duplex Bench y ocupa el primer puesto en la prueba de tareas de agente de voz de extremo a extremo Tau3 cuando se combina con GPT-6 Astra a una intensidad de razonamiento media.
La capa de voz front-end tiene un precio de 0,05 dólares por minuto y cuenta con 12 nuevas voces
En cuanto a los precios, la capa de voz front-end de GPT-Live-1 tiene un coste de 0,05 dólares por minuto, lo que equivale a unos 3 dólares (aproximadamente 20,2 RMB) por hora. Los costes de los modelos back-end y las herramientas de agente se facturan por separado. OpenAI también ha ampliado las opciones de voz en tiempo real con la incorporación de 12 nuevas voces: Quartz, Ripple, Vesper, Willow, Stone, Gleam, Meridian, Bossa, Tempo, Beacon, Delta y Cinder. La empresa tiene previsto introducir más voces y compatibilidad con otros idiomas en los próximos meses.
Artículo relacionado
Apple presenta la primera beta pública de iOS 27, marcando una importante renovación de IA de Siri
Apple ha lanzado oficialmente la primera versión beta pública de iOS 27 para los usuarios hoy. Esta actualización no requiere una cuenta de desarrollador. Los usuarios simplemente deben registrarse o iniciar sesión en el sitio web del Programa de Sof
Cloudflare presenta «AI Agent Workspace», una herramienta de código abierto que permite a los empleados crear flujos de trabajo personalizados sin necesidad de programar
Cloudflare ha lanzado oficialmente Cloudflare OS, un espacio de trabajo de código abierto basado en inteligencia artificial que funciona directamente en el navegador. Esta plataforma integra una ampli
La salida de Musk con la tarjeta de crédito de IA genera rechazo tras las burlas de un ejecutivo de OpenAI
Elon Musk presentó recientemente la nueva capacidad de compras de Grok en las redes sociales, explicando que los usuarios pueden tomar una foto de su tarjeta de crédito y enviarla a la interfaz de chat. La IA luego buscará en la web los mejores preci
Recomendaciones de temas especiales relacionados
comentario (0)
0/500
OpenAI ha integrado GPT-Live-1 en su API, lo que permite a los desarrolladores crear aplicaciones y flujos de trabajo empresariales que facilitan las interacciones de voz en tiempo real. Este modelo permite mantener conversaciones en dúplex completo, es decir, escuchar y hablar al mismo tiempo, al tiempo que gestiona de forma eficaz las interrupciones, las pausas y el ruido de fondo.
GPT-Live-1 también está optimizado para situaciones en las que se utiliza el teléfono, como reservas en restaurantes y atención al cliente, lo que permite el uso de agentes de voz en modo dúplex completo. OpenAI señala que los desarrolladores pueden integrarlo con herramientas como Codex o aprovechar OpenAI Presence para crear aplicaciones de voz que consulten sistemas empresariales, ejecuten acciones autorizadas y transfieran llamadas sin problemas a agentes humanos cuando sea necesario.

Comprensión y salida de voz unificadas para reducir la latencia
GPT-Live-1 combina el reconocimiento y la síntesis de voz en un único modelo, lo que elimina la necesidad de múltiples conexiones, típicas del flujo de trabajo tradicional «voz a texto — LLM — texto a voz», reduciendo así significativamente la latencia. El modelo también gestiona razonamientos complejos y llamadas a herramientas a través de modelos de texto de backend. Los desarrolladores pueden personalizar el tono, la velocidad y el estilo de conversación a través de indicaciones del sistema, al tiempo que configuran los modelos de backend, las herramientas y los marcos de trabajo de los agentes. OpenAI confirma que GPT-Live-1 admite la transcripción nativa del reconocimiento de voz y el texto de respuesta, con capacidades como la comprensión alfanumérica, el sesgo de palabras clave y la detección de turnos.
Las primeras evaluaciones indican que el uso de GPT-Live-1 redujo las interrupciones erróneas durante las pausas de reflexión de los alumnos en la plataforma de aprendizaje de idiomas Speak en casi un 80 % en comparación con el anterior sistema basado en turnos. Tony Stoyanov, cofundador y director técnico de una plataforma de servicios médicos, informó de una reducción del 80 % en el volumen de código, lo que supuso la eliminación de aproximadamente 23 000 líneas de código. Las evaluaciones de OpenAI demuestran que GPT-Live-1 supera a GPT-Realtime-2.1 en 30 puntos porcentuales en la prueba Full Duplex Bench y ocupa el primer puesto en la prueba de tareas de agente de voz de extremo a extremo Tau3 cuando se combina con GPT-6 Astra a una intensidad de razonamiento media.
La capa de voz front-end tiene un precio de 0,05 dólares por minuto y cuenta con 12 nuevas voces
En cuanto a los precios, la capa de voz front-end de GPT-Live-1 tiene un coste de 0,05 dólares por minuto, lo que equivale a unos 3 dólares (aproximadamente 20,2 RMB) por hora. Los costes de los modelos back-end y las herramientas de agente se facturan por separado. OpenAI también ha ampliado las opciones de voz en tiempo real con la incorporación de 12 nuevas voces: Quartz, Ripple, Vesper, Willow, Stone, Gleam, Meridian, Bossa, Tempo, Beacon, Delta y Cinder. La empresa tiene previsto introducir más voces y compatibilidad con otros idiomas en los próximos meses.
Apple presenta la primera beta pública de iOS 27, marcando una importante renovación de IA de Siri
Apple ha lanzado oficialmente la primera versión beta pública de iOS 27 para los usuarios hoy. Esta actualización no requiere una cuenta de desarrollador. Los usuarios simplemente deben registrarse o iniciar sesión en el sitio web del Programa de Sof
Cloudflare presenta «AI Agent Workspace», una herramienta de código abierto que permite a los empleados crear flujos de trabajo personalizados sin necesidad de programar
Cloudflare ha lanzado oficialmente Cloudflare OS, un espacio de trabajo de código abierto basado en inteligencia artificial que funciona directamente en el navegador. Esta plataforma integra una ampli
La salida de Musk con la tarjeta de crédito de IA genera rechazo tras las burlas de un ejecutivo de OpenAI
Elon Musk presentó recientemente la nueva capacidad de compras de Grok en las redes sociales, explicando que los usuarios pueden tomar una foto de su tarjeta de crédito y enviarla a la interfaz de chat. La IA luego buscará en la web los mejores preci











