OpenAI har precis lanserat GPT-Live: ChatGPT-röstläget har lärt sig att lyssna, hålla käften och svara bättre
Greg Brockman startade OpenAI live genom att göra något väldigt enkelt: prata med ChatGPT och stänga av honom medan han svarade. Det som gällde var inte frågorna, utan systemets reaktion. Istället för att sluta med ett skarpt snitt, som kunde hända i tidigare upplevelser, verkade rösten i demot anpassa avbrottet på ett mer naturligt sätt.
Det var en kort demo, men den tjänade till att visa löftet om GPT-Live: att ChatGPT:s röstläge inte bara talar bättre, utan vet när det ska svara, när man ska vänta och när man ska hålla käften. GPT-Live är namnet som valts av OpenAI för detta nya steg i ChatGPT:s röstläge. Det är inte bara ett mer polerat ljudlager, utan en familj av modeller som är designade för att bearbeta tal annorlunda.
En arkitektur som kallas full-duplex tillåter AI att lyssna samtidigt som den genererar ett svar, något som företaget säger minskar stelheten i traditionella skift. Sedan 2022 har OpenAI flyttat relationen med sina modeller från tangentbordet till allt närmare former av interaktion. ChatGPT markerade ett före och efter i det massiva förhållandet till textmodeller; tidiga röstfunktioner lade till ett mer naturligt lager; och GPT-4o tog den ambitionen till en mycket mer uttrycksfull upplevelse, oundvikligen förknippad med "Henne".
GPT-Live-meddelandet kommer efter den turnén. Dess löfte är inte bara att låta mer mänskligt, utan att lösa en mindre spektakulär och viktigare friktion: hur man för en konversation utan att det låter som en rad kommandon. ChatGPT:s röst fungerar inte längre bara i tur och ordning.
För att förstå förändringen måste man titta på hur tidigare generationer fungerade. OpenAI förklarar att ChatGPT:s första röstläge var ett kaskadsystem: en modell transkriberade rösten, en annan genererade svaret och en tredje konverterade den tillbaka till ljud. Avancerat talläge minskade den friktionen genom att bearbeta och generera ljud inom en enda modell, men fungerade fortfarande i tur och ordning.
GPT-Live ändrar den logiken: du arbetar inte längre bara med separata meddelanden, utan med en kontinuerlig interaktion som låter dig bestämma flera gånger per sekund om du ska prata, lyssna, pausa eller använda ett verktyg.
Så, vad kan vi göra i praktiken? Jo, företaget som leds av Sam Altman ger flera exempel. Vi kan avbryta med en fråga, tänka efter eller be systemet att tala långsammare.
Rösten kan också svara med korta signaler som "mmm" eller "ja" för att indikera att den fortfarande lyssnar, och företaget säger att den har förbättrat sin förmåga att fokusera på användarens röst när det finns bakgrundsljud. Till detta kommer de nio ChatGPT-rösterna remastrade för GPT-Live, visuella svar i form av kort för frågor som väder, sport, aktier och annan snabbdata, samt stöd för sökning, minne, bilder och filuppladdningar. Den andra viktiga biten är vad som händer när samtalet kräver mer än ett snabbt svar.
OpenAI förklarar att GPT-Live kan delegera webbsökningar, resonemang eller mer komplexa uppgifter till sina frontier-modeller, samtidigt som konversationen med användaren hålls vid liv. Vid lanseringen kommer det stödlagret att vara GPT-5.5, även om företaget säger att det kommer att uppdatera modellen som används i bakgrunden när den släpper nya generationer. ChatGPT:s röstläge låter dig också välja mellan resonemangsnivåer: Omedelbar för snabba svar, och Medium eller High när du behöver lägga mer tid på att tänka.
Företaget hävdar att hoppet inte är begränsat till ett intryck av användning. I deras interna utvärderingar visas GPT-Live-1 och GPT-Live-1 mini (den mindre versionen av modellen som landar på gratiskonton) ovanför det avancerade röstläget i jämförande fem till tio minuter långa konversationer, både i övergripande preferenser och flyt, avbrott, vändningar och naturlig känsla. OpenAI citerar också framsteg inom vetenskapliga resonemang, agentsökning och simulerade telefonsupportuppgifter.
Naturligtvis fungerar dessa resultat som en första referens, men de kommer från OpenAI själv och vi måste se vilken inverkan de har i verkligheten. I Xataka Alibabas Qwen AI-modell är den nya juvelen i kronan. Det enda problemet är att de inte tjänar pengar på det GPT-Live börjar rulla ut idag för ChatGPT-användare på iOS, Android och ChatGPT.com.
OpenAI talar om en global utplacering och nämner inte ett specifikt undantag för Europeiska unionen, även om det är värt att behålla nyansen: i andra utplaceringar av AI-funktioner har det funnits tvivel eller förseningar i regionen. GPT-Live-1 kommer att vara standardmodellen för Go-, Plus- och Pro-användare, medan gratiskonton, som vi säger, kommer att använda GPT-Live-1 mini. API:et kommer senare, utan ett specifikt datum för tillfället.
Nu finns det också en viktig begränsning vid lanseringen: GPT-Live stöder för närvarande inte röst med video eller skärmdelning i ChatGPT, även om OpenAI säger att de arbetar med att introducera dessa funktioner senare. Bilder | OpenAI i Xataka | Meta har redan sin rival till Nano Banana 2. Dess problem är detsamma som alltid: obarmhärtigt invadera vår integritet (instagramScript) Nyheten OpenAI har precis lanserat GPT-Live: ChatGPT:s röstläge har lärt sig att lyssna och lyssna, shut up;
Originalkälla
Publicerad av Xataka
8 july 2026, 19:42
Denna artikel har översatts automatiskt från spanska. Klicka på länken ovan för att läsa originaltexten.
Visa originaltext (spanska)
Rubrik
OpenAI acaba de lanzar GPT-Live: el modo de voz de ChatGPT ha aprendido a escuchar, callarse y responder mejor
Beskrivning
Greg Brockman empezó el directo de OpenAI haciendo algo muy sencillo: hablar con ChatGPT y cortarle mientras respondía. Lo que importaba no eran las preguntas, sino la reacción del sistema. En lugar de detenerse con un corte seco, como podía ocurrir en experiencias anteriores, en la demo la voz pareció ajustar la interrupción de una forma más natural. Era una demostración breve, pero servía para mostrar la promesa de GPT-Live: que el modo de voz de ChatGPT no solo hable mejor, sino que sepa cuándo responder, cuándo esperar y cuándo callarse. GPT-Live es el nombre elegido por OpenAI para esta nueva etapa del modo de voz de ChatGPT. No se trata únicamente de una capa de sonido más pulida, sino de una familia de modelos diseñada para procesar la conversación de otra manera. Una arquitectura llamada full-duplex permite que la IA escuche mientras genera una respuesta, algo que, según la compañía, reduce la rigidez de los turnos tradicionales. Desde 2022, OpenAI ha ido desplazando la relación con sus modelos desde el teclado hacia formas de interacción cada vez más cercanas. ChatGPT marcó un antes y un después en la relación masiva con los modelos de texto; las primeras funciones de voz añadieron una capa más natural; y GPT-4o llevó esa ambición a una experiencia mucho más expresiva, inevitablemente asociada a ‘Her’. El anuncio de GPT-Live llega después de ese recorrido. Su promesa no es solo sonar más humana, sino resolver una fricción menos espectacular y más importante: cómo mantener una conversación sin que parezca una sucesión de comandos. La voz de ChatGPT ya no funciona solo por turnosPara entender el cambio hay que mirar cómo funcionaban las generaciones anteriores. OpenAI explica que el primer modo de voz de ChatGPT era un sistema en cascada: un modelo transcribía la voz, otro generaba la respuesta y un tercero la convertía de nuevo en audio. El modo avanzado de voz redujo esa fricción al procesar y generar audio dentro de un único modelo, pero seguía operando por turnos. GPT-Live cambia esa lógica: ya no trabaja solo con mensajes separados, sino con una interacción continua que le permite decidir varias veces por segundo si debe hablar, escuchar, pausar o usar una herramienta. {"videoId":"xamzvvi","autoplay":false,"title":"Así es el nuevo GPT-Live de OpenAI", "tag":"tecnología", "duration":"154"} Entonces, ¿que podremos hacer en la práctica? Pues bien, la compañía liderada por Sam Altman da varios ejemplos. Podremos interrumpir con una pregunta, hacer una pausa para pensar o pedirle al sistema que hable más despacio. La voz también puede responder con señales breves como “mmm” o “sí” para indicar que sigue escuchando, y la compañía asegura que ha mejorado su capacidad para centrarse en la voz del usuario cuando hay ruido de fondo. A eso se suman las nueve voces de ChatGPT remasterizadas para GPT-Live, respuestas visuales en forma de tarjetas para consultas como el tiempo, deportes, bolsa y otros datos rápidos, además del soporte para búsqueda, memoria, imágenes y subida de archivos. La otra pieza importante está en lo que ocurre cuando la conversación exige algo más que una respuesta rápida. OpenAI explica que GPT-Live puede delegar búsquedas web, razonamiento o tareas más complejas en sus modelos frontera, mientras mantiene viva la conversación con el usuario. En el lanzamiento, esa capa de apoyo será GPT-5.5, aunque la compañía dice que irá actualizando el modelo usado en segundo plano a medida que publique nuevas generaciones. El modo de voz de ChatGPT también permitirá elegir entre niveles de razonamiento: Instant para respuestas rápidas, y Medium o High cuando haga falta dedicar más tiempo a pensar. La compañía sostiene que el salto no se limita a una impresión de uso. En sus evaluaciones internas, GPT-Live-1 y GPT-Live-1 mini (la versión más pequeña del modelo que aterriza en cuentas gratuitas) aparecen por encima de el modo de voz avanzado en conversaciones comparadas de cinco a diez minutos, tanto en preferencia general como en fluidez, interrupciones, turnos y sensación de naturalidad. OpenAI también cita avances en razonamiento científico, búsqueda agente y tareas de soporte telefónico simuladas. Eso sí, estos resultados sirven como referencia inicial, pero proceden de la propia OpenAI y tendremos que ver qué impacto tienen en la vida real. En Xataka El modelo de IA Qwen de Alibaba es la nueva joya de la corona. El único problema es que no ganan dinero con él GPT-Live empieza a desplegarse desde hoy para usuarios de ChatGPT en iOS, Android y ChatGPT.com. OpenAI habla de un despliegue global y no menciona una exclusión específica para la Unión Europea, aunque conviene mantener el matiz: en otros despliegues de funciones de IA ha habido dudas o retrasos en la región. GPT-Live-1 será el modelo por defecto para los usuarios de Go, Plus y Pro, mientras que las cuentas gratuitas, como decimos, usarán GPT-Live-1 mini. La API llegará más adelante, sin fecha concreta por ahora. Ahora bien, también hay una limitación importante en el lanzamiento: GPT-Live no admite por ahora voz con vídeo ni pantalla compartida en ChatGPT, aunque OpenAI dice que trabaja para introducir esas capacidades más adelante. Imágenes | OpenAI En Xataka | Meta ya tiene su rival para Nano Banana 2. Su problema es el mismo de siempre: invadir sin piedad nuestra privacidad (function() { window._JS_MODULES = window._JS_MODULES || {}; var headElement = document.getElementsByTagName('head')[0]; if (_JS_MODULES.instagram) { var instagramScript = document.createElement('script'); instagramScript.src = 'https://platform.instagram.com/en_US/embeds.js'; instagramScript.async = true; instagramScript.defer = true; headElement.appendChild(instagramScript); } })(); - La noticia OpenAI acaba de lanzar GPT-Live: el modo de voz de ChatGPT ha aprendido a escuchar, callarse y responder mejor fue publicada originalmente en Xataka por Javier Marquez .
