En mayo de 2024, OpenAI reveló su modelo de inteligencia artificial GPT-4o, mucho más capaz que versiones anteriores, gracias en gran medida a un nuevo sistema de procesamiento que le permite analizar simultáneamente entradas de texto, visión y audio en una versión multimodal. Tras meses de espera y después de varios retrasos, la compañía finalmente ha lanzado este modo de voz.

Esta nueva función de audio hace que hablar con ChatGPT sea mucho más natural y presenta mejoras respecto a lo visto en su demostración, como mayor velocidad, fluidez e incluso optimizaciones en los acentos en algunos idiomas extranjeros.

De acuerdo con OpenAI, su "modo de voz avanzado" (AVM, por sus siglas en inglés) llegará inicialmente a sus clientes de las versiones de pago de ChatGPT, es decir, a los niveles Plus o Teams, aunque también se espera que esté disponible para los usuarios de Enterprise y Edu en los próximos días, con un despliegue que comenzó hace meses en modo alfa para algunas personas.

Así funciona el modo de voz avanzado

El AVM llega con múltiples cambios respecto a lo mostrado en su presentación. Ahora cuenta con un diseño renovado que se aprecia principalmente en su interfaz. En lugar de puntos negros o blancos animados, se ha incluido una esfera azul animada cuando escucha.

Cabe recordar que ChatGPT ya contaba en su aplicación con un modo de voz, no avanzado, que permitía seleccionar …