ChatGPT ya podía escuchar y hablar, pero no como ahora. OpenAI ha revelado su nuevo modelo de inteligencia artificial, GPT-4o, que destaca no solo por ser más potente, sino también por sus capacidades para tener conversaciones en tiempo real, con todo y entonaciones de voz, prácticamente de la misma forma que lo haría un humano.

Durante una actualización de primavera, OpenAI mostró qué es capaz de realizar este nuevo modelo de IA, resolver ecuaciones en tiempo real, analizar código, pero también contar historias en tiempo real (cambiando de entonación a gusto del usuario), servir como traductor instantáneo, y hasta siendo capaz de analizar el rostro de una persona.

Explicando el modelo

De acuerdo con OpenAI, GPT-4o es un nuevo modelo multimodal capaz de utilizar de forma nativa diferentes entradas de contenido, audio, visión, y texto en tiempo real, lo que vuelve la interacción "mucho más natural", siendo también más rápido en sus respuestas.

Esto se debe a una nueva forma de entrenamiento, de extremo a extremo, donde la IA procesa en la misma red neuronal todas las entradas y salidas de texto, visión y audio.

De forma simple, este cambio altera la manera en que analizaba el contenido. Hasta ahora, la IA debía realizar tres pasos: transcribir una entrada de audio a texto, generar el texto de la respuesta y convertirla en audio nuevamente para compartirla con el usuario.

via GIPHY

Este proceso hacía que ChatGPT perdiera información al …