OpenAI lanza una IA de voz que entiende 70 idiomas

OpenAI quiere que hablar con una inteligencia artificial sea cada vez más parecido a hablar con una persona. Según informa La Razón, la compañía ha presentado una nueva generación de modelos de voz capaces de escuchar, procesar información y responder de forma más natural en conversaciones en tiempo real.

La novedad no se centra solo en leer texto en voz alta o traducir frases sueltas. El objetivo es crear asistentes de voz más fluidos, útiles y contextuales, capaces de acompañar al usuario durante una conversación sin romper el ritmo.

OpenAI quiere que hables con la IA como si fuera una persona real

Durante años, los asistentes de voz han servido para tareas bastante básicas: poner alarmas, responder preguntas simples o ejecutar comandos. Ahora la carrera tecnológica va mucho más allá.

OpenAI quiere que la voz se convierta en una de las formas principales de interactuar con la inteligencia artificial. No solo para hacer preguntas, sino para mantener conversaciones, resolver tareas, traducir, transcribir y utilizar herramientas durante el diálogo.

Esto puede cambiar la forma en la que usamos la IA en el trabajo, en la educación, en la atención al cliente y en aplicaciones móviles. Porque escribir está bien, pero hablar es más rápido. Y, cuando la IA responde bien, también resulta mucho más natural.

Tres modelos de voz para conversar, traducir y transcribir

Según La Razón, el lanzamiento no está formado por un único modelo, sino por tres sistemas orientados a necesidades diferentes:

• GPT-Realtime-2: modelo de conversación en tiempo real, con capacidad de razonamiento mejorada.
• GPT-Realtime-Translate: modelo enfocado en traducción de voz en tiempo real.
• GPT-Realtime-Whisper: modelo orientado a transcripción automática y toma de notas a partir de audio.

La estrategia es clara: OpenAI no quiere limitar la voz a una función secundaria. Quiere convertirla en una capa completa de interacción con aplicaciones, servicios y asistentes inteligentes.

La nueva IA de voz de OpenAI quiere entender antes de responder

Uno de los aspectos más interesantes de GPT-Realtime-2 es que no solo escucha y responde. También puede razonar durante la conversación, manejar diálogos más complejos y utilizar herramientas habilitadas para obtener información cuando la necesita.

Esto permite construir asistentes mucho más útiles en escenarios donde la conversación no es lineal. Por ejemplo, cuando el usuario cambia de tema, interrumpe, pregunta algo relacionado o necesita resolver varias cosas en una misma llamada.

En la práctica, este tipo de modelos puede servir para:

• Asistentes digitales con conversación más natural.
• Soporte técnico por voz.
• Atención al cliente en tiempo real.
• Aplicaciones educativas con explicación oral.
• Herramientas de accesibilidad para personas que prefieren o necesitan usar la voz.

La diferencia ya no está solo en que la IA hable. Está en que entienda mejor lo que está pasando durante la conversación.

Traducción y transcripción en tiempo real

El segundo modelo, GPT-Realtime-Translate, está pensado para traducción de voz en tiempo real. Según la información publicada, puede trabajar con más de 70 idiomas de entrada y 13 idiomas de salida.

Esto abre posibilidades claras para reuniones internacionales, atención comercial, formación, turismo, soporte técnico y comunicación entre equipos de distintos países.

Por su parte, GPT-Realtime-Whisper se centra en convertir audio en texto. Puede servir para tomar notas durante reuniones, transcribir llamadas o seguir conversaciones con interrupciones sin perder el hilo.

En conjunto, estos modelos apuntan a una IA de voz más completa: escucha, entiende, traduce, transcribe y responde. Que no es poco. Vamos, que el teclado empieza a mirar de reojo.

La guerra por los asistentes de voz inteligentes ya ha empezado

El movimiento de OpenAI llega en plena competencia entre grandes tecnológicas por dominar la próxima generación de asistentes impulsados por inteligencia artificial.

Google, Microsoft, Anthropic y otras compañías también están desarrollando sistemas capaces de conversar de forma más natural, responder con contexto y resolver tareas complejas mediante voz.

La diferencia estará en tres factores: velocidad de respuesta, comprensión contextual y naturalidad de la conversación. El usuario no quiere sentir que está dictando comandos a una máquina. Quiere hablar y ser entendido.

El objetivo final parece claro: convertir la IA en un asistente capaz de acompañar al usuario en tiempo real durante buena parte de su vida digital.

Hablar con la IA pronto podría sentirse completamente normal

Hace solo unos años, los asistentes de voz parecían limitados a comandos básicos. Ahora, la industria trabaja en sistemas capaces de escuchar, razonar, traducir, transcribir y responder casi como en una conversación humana.

La pregunta ya no es si hablaremos cada vez más con la inteligencia artificial. La pregunta es cuánto falta para que deje de parecer extraño.

Si estos modelos se integran bien en aplicaciones y servicios, la voz puede convertirse en una de las formas más habituales de usar la IA. Especialmente en móviles, atención al cliente, formación online, reuniones y herramientas de productividad.

Fuente de la noticia

Fuente principal: La Razón.

* La información de esta noticia tiene carácter informativo y se basa en la fuente citada. Las características de los modelos de inteligencia artificial pueden cambiar rápidamente según su disponibilidad, actualizaciones y condiciones de uso.

¿No sabes qué IA elegir?

Te ayudamos a encontrar la herramienta que mejor encaja con lo que necesitas.

Recomendador IA

Compara antes de decidir

Revisa funciones, precios y características de varias herramientas en una sola vista.

Comparador IA