01 · OpenAI
La voz de IA da un salto: OpenAI abarata la conversación real
OpenAI ha lanzado GPT-Live-1 en su API para crear agentes de voz full-duplex que escuchan y hablan a la vez; cuesta 0,05 dólares por minuto, gestiona interrupciones y ofrece 12 voces con un 80% menos de cortes.
Por qué importa
Que la voz se cobre por minuto, y el razonamiento aparte, convierte el coste de un agente telefónico en una variable operativa: un equipo puede sostener llamadas interrumpibles en lugar de encadenar turnos, siempre que el gasto combinado cierre. Los proveedores de voz por turnos tendrían que responder en precio.
Los detalles
- OpenAI ha lanzado GPT-Live-1 en su API, un modelo de voz full-duplex que permite escuchar y hablar al mismo tiempo en conversaciones más fluidas.
- Cuesta 0,05 dólares por minuto por la capa de voz y el modelo de razonamiento se factura aparte, según su disponibilidad para desarrolladores.
- Gestiona interrupciones, acuses de recibo, pausas y cambios de tema en tiempo real, y reconoce silencios, ruido de fondo y respuestas breves como «sí» o «mm-hmm».
- Incluye 12 voces nuevas, como Quartz, Ripple, Vesper, Willow, Stone o Tempo, y permite controlar tono, espacio y estilo desde el prompt de sistema.
- Pruebas tempranas reportan un 80% menos de interrupciones que los sistemas por turnos anteriores, y está orientado a atención al cliente, reservas, soporte telefónico y asistentes de voz.