Segun MarkTechPost (AI/ML News), OpenAI ha presentado dos nuevas versiones de su tecnología de voz en tiempo real: gpt-realtime-2.1 y gpt-realtime-2.1-mini. Estos modelos están diseñados para reducir latencias en interacciones verbales y multimodales, especialmente en entornos donde la respuesta inmediata es crítica. El modelo mini, que comparte el mismo costo que la versión anterior de gpt-realtime-mini, se posiciona como una opción más económica y ágil. OpenAI ha logrado disminuir en al menos un 25% la latencia p95 en todos los modelos de voz real time, gracias a mejoras en el sistema de almacenamiento temporal de datos.
El gpt-realtime-2.1-mini actúa como un modelo de razonamiento reducido, capaz de procesar tanto entradas auditivas como textuales en tiempo real. Su funcionamiento se basa en una arquitectura que integra la conversación y la generación de audio en un solo sistema, eliminando la necesidad de conectar procesos separados como reconocimiento de voz o síntesis de voz. Esta integración permite una respuesta más fluida, manteniendo las matices del habla humana. Además, el modelo soporta el uso de herramientas, o llamadas a funciones, lo que permite que el sistema planifique una acción, invoque una función externa y luego responda de forma coherente. Esta capacidad de razonamiento interno es clave para que los agentes digitales no solo respondan, sino que también tomen decisiones lógicas en tiempo real.
El modelo más completo, gpt-realtime-2.1, mejora sobre la versión anterior en la detección de caracteres alfanuméricos y en el manejo de silencios y ruidos ambientales. Permite también interacciones de voz a voz, con niveles configurables de razonamiento, seguimiento de instrucciones y uso de funciones. La elección entre ambos modelos depende del uso: el gpt-realtime-2.1 es ideal para aplicaciones que requieren alta precisión y complejidad de razonamiento, mientras que el mini es adecuado para escenarios con necesidades de velocidad y bajo costo operativo.
Para los usuarios peruanos, esta evolución en inteligencia artificial tiene un impacto directo en sectores como el servicio al cliente, educación digital y atención médica. En un entorno donde las expectativas de respuesta rápida crecen, estos modelos permiten construir interfaces más naturales y eficientes. Las pequeñas empresas, por ejemplo, pueden implementar agentes de voz sin necesidad de grandes inversiones, mejorando así el acceso a servicios tecnológicos. Además, el ahorro en costos y el tiempo de respuesta pueden ser cruciales para mantener la competitividad en mercados locales que dependen de la velocidad de servicio.