OpenAI lanza nuevas funciones de inteligencia vocal en su API

OpenAI presentó este jueves una serie de funciones de inteligencia vocal en su API, diseñadas para que los desarrolladores creen aplicaciones que puedan conversar, transcribir y traducir en tiempo real. La novedad principal es GPT‑Realtime‑2, un modelo de voz que simula una vocalización realista y puede mantener diálogos complejos gracias a un razonamiento similar al GPT‑5.

Además, lanzaron GPT‑Realtime‑Translate, una herramienta que ofrece traducción instantánea en más de 70 idiomas de entrada y 13 de salida, permitiendo mantener conversaciones fluidas sin importar el idioma. También introdujeron GPT-Realtime-Whisper, que permite convertir en texto las conversaciones en vivo, facilitando transcripciones precisas en tiempo real.

OpenAI explicó que estos modelos avanzan de simples respuestas a llamadas y respuestas hacia interfaces de voz que pueden escuchar, razonar, traducir, transcribir y actuar durante una conversación. La empresa aseguró que estas funciones tienen aplicaciones en atención al cliente, educación, medios, eventos y plataformas de creadores, entre otros ámbitos.

Por supuesto, también reconocieron los riesgos potenciales y afirmaron que implementaron medidas para evitar abusos, como spam o fraudes, incluyendo filtros que detienen conversaciones que violen sus directrices de contenido dañino.

Las nuevas funciones llevan el audio en tiempo real desde respuestas simples hacia interfaces de voz que pueden escuchar, razonar, traducir, transcribir y actuar en una conversación.

Estas innovaciones amplían las capacidades de la API de OpenAI, que ahora incluye modelos que pueden integrarse en sistemas de atención, educación y plataformas de creación, abriendo nuevas posibilidades para la interacción con la inteligencia artificial.