Hogar
OpenAI lanza la API GPT-Live-1 con manejo de interrupciones, llamadas a herramientas y agentes telefónicos
OpenAI ha lanzado oficialmente GPT-Live-1, un nuevo modelo de API diseñado para capacitar a los desarrolladores que construyen aplicaciones de voz en tiempo real con interacción bidireccional completa. Este lanzamiento marca un cambio importante en la interacción por voz con inteligencia artificial, pasando del procesamiento tradicional por segmentos hacia conversaciones fluidas y naturales.
Técnicamente, GPT-Live-1 unifica la comprensión y generación del habla dentro de un único modelo. Al eliminar la latencia causada por la cadena de etapas separadas de transcripción de voz a texto, razonamiento y síntesis de texto a voz, logra tiempos de respuesta casi instantáneos. El modelo admite nativamente la interacción bidireccional completa, permitiendo escuchar y hablar simultáneamente mientras gestiona con precisión las interrupciones, pausas y el ruido de fondo.

Más allá de una interacción fluida, GPT-Live-1 ofrece una amplia personalización. Los desarrolladores pueden ajustar el tono, la velocidad y el estilo mediante indicaciones del sistema, además de integrar modelos de back-end y marcos de agentes inteligentes. Cuenta con reconocimiento de voz nativo con comprensión alfanumérica, sesgo por palabras clave y detección de turnos. Compatible con herramientas como Codex y OpenAI Presence, potencia consultas empresariales, operaciones aprobadas y transferencias fluidas a agentes humanos, lo que lo hace ideal para servicios telefónicos como reservas en restaurantes y atención al cliente.
Los resultados en el mundo real son impresionantes. Los primeros adoptantes, como la plataforma de idiomas Speak, reportaron una reducción del 80 % en las interrupciones erróneas durante las pausas de los estudiantes en comparación con los sistemas por rondas. Las plataformas de servicios médicos también han simplificado sus arquitecturas y reducido la complejidad del código. Según OpenAI, GPT-Live-1 supera a GPT-Realtime-2.1 en 30 puntos porcentuales en las pruebas Full Duplex Bench y lidera los benchmarks de agentes de voz de extremo a extremo Tau3 cuando se empareja con GPT-6Astra a una intensidad de razonamiento moderada.
Artículo relacionado
El CEO de Nvidia, Jensen Huang, desestima las afirmaciones sobre el apocalipsis de la IA y afirma que la probabilidad de un fin del mundo en 2030 es cero
En una reciente entrevista con CBS News, el cofundador y director ejecutivo de NVIDIA, Jensen Huang, desestimó las advertencias de ciertos investigadores sobre que la inteligencia artificial podría llevar a la extinción humana en unos pocos años, cal
Moonshot: ¿Puede la IA china de 2,8 billones de parámetros rivalizar con la tecnología estadounidense?
En febrero de 2026, Anthropic acusó a los laboratorios chinos de IA DeepSeek, Moonshot y MiniMax de llevar a cabo «campañas a escala industrial» para «extraer de forma ilícita las capacidades de Claud
Cozy 3.0 se lanza con soporte para colaboración entre múltiples personas y múltiples agentes
ByteDance ha lanzado oficialmente Coze 3.0, presentando un enfoque novedoso para la creación de agentes, al tiempo que ofrece importantes avances en la colaboración en equipo y la integración del ecosistema.Esta actualización prioriza la eficiencia c
Recomendaciones de temas especiales relacionados
comentario (0)
0/500
OpenAI ha lanzado oficialmente GPT-Live-1, un nuevo modelo de API diseñado para capacitar a los desarrolladores que construyen aplicaciones de voz en tiempo real con interacción bidireccional completa. Este lanzamiento marca un cambio importante en la interacción por voz con inteligencia artificial, pasando del procesamiento tradicional por segmentos hacia conversaciones fluidas y naturales.
Técnicamente, GPT-Live-1 unifica la comprensión y generación del habla dentro de un único modelo. Al eliminar la latencia causada por la cadena de etapas separadas de transcripción de voz a texto, razonamiento y síntesis de texto a voz, logra tiempos de respuesta casi instantáneos. El modelo admite nativamente la interacción bidireccional completa, permitiendo escuchar y hablar simultáneamente mientras gestiona con precisión las interrupciones, pausas y el ruido de fondo.

Más allá de una interacción fluida, GPT-Live-1 ofrece una amplia personalización. Los desarrolladores pueden ajustar el tono, la velocidad y el estilo mediante indicaciones del sistema, además de integrar modelos de back-end y marcos de agentes inteligentes. Cuenta con reconocimiento de voz nativo con comprensión alfanumérica, sesgo por palabras clave y detección de turnos. Compatible con herramientas como Codex y OpenAI Presence, potencia consultas empresariales, operaciones aprobadas y transferencias fluidas a agentes humanos, lo que lo hace ideal para servicios telefónicos como reservas en restaurantes y atención al cliente.
Los resultados en el mundo real son impresionantes. Los primeros adoptantes, como la plataforma de idiomas Speak, reportaron una reducción del 80 % en las interrupciones erróneas durante las pausas de los estudiantes en comparación con los sistemas por rondas. Las plataformas de servicios médicos también han simplificado sus arquitecturas y reducido la complejidad del código. Según OpenAI, GPT-Live-1 supera a GPT-Realtime-2.1 en 30 puntos porcentuales en las pruebas Full Duplex Bench y lidera los benchmarks de agentes de voz de extremo a extremo Tau3 cuando se empareja con GPT-6Astra a una intensidad de razonamiento moderada.
El CEO de Nvidia, Jensen Huang, desestima las afirmaciones sobre el apocalipsis de la IA y afirma que la probabilidad de un fin del mundo en 2030 es cero
En una reciente entrevista con CBS News, el cofundador y director ejecutivo de NVIDIA, Jensen Huang, desestimó las advertencias de ciertos investigadores sobre que la inteligencia artificial podría llevar a la extinción humana en unos pocos años, cal
Moonshot: ¿Puede la IA china de 2,8 billones de parámetros rivalizar con la tecnología estadounidense?
En febrero de 2026, Anthropic acusó a los laboratorios chinos de IA DeepSeek, Moonshot y MiniMax de llevar a cabo «campañas a escala industrial» para «extraer de forma ilícita las capacidades de Claud
Cozy 3.0 se lanza con soporte para colaboración entre múltiples personas y múltiples agentes
ByteDance ha lanzado oficialmente Coze 3.0, presentando un enfoque novedoso para la creación de agentes, al tiempo que ofrece importantes avances en la colaboración en equipo y la integración del ecosistema.Esta actualización prioriza la eficiencia c











