Mercado · IA en la práctica
GPT-Live-1.1 llega a la API de OpenAI con un modo de espera a US$ 0,02 por minuto
GPT-Live-1.1, un modelo de voz que escucha mientras habla, llegó a la API de OpenAI. Con el standby, tras 5 a 60 segundos sin habla la inferencia se pausa, la llamada WebRTC sigue abierta y el minuto baja de US$ 0,05 a US$ 0,02.
Lo que registran las fuentes
GPT-Live-1.1 es el nuevo modelo de voz full-duplex de OpenAI, que escucha y habla al mismo tiempo. Frente a GPT-Live-1, la empresa dice que transcribe el habla con más precisión y mantiene un acento y una voz más consistentes entre idiomas. El desarrollador describe en lenguaje común cuándo el modelo debe pasar una tarea a su backend para razonamiento o uso de herramientas. El modelo funciona en las sesiones Live de la API y recibe audio y texto.
El standby vale para sesiones WebRTC de GPT-Live-1 y GPT-Live-1.1. El desarrollador define un tiempo de 5 a 60 segundos sin transcripción de entrada o de salida, y después la inferencia se pausa. La conexión y el identificador de la sesión siguen siendo los mismos, y la conversación se retoma con su historial cuando alguien vuelve a hablar. OpenAI advierte que la primera respuesta después de la pausa puede tardar un poco más.
La sesión se cobra por duración, a US$ 0,05 por minuto cuando está activa y US$ 0,02 por minuto en standby, un 60% menos. El uso del modelo de backend y de las herramientas se cobra aparte. Entre las voces que lista la guía de OpenAI, dos son en portugués con acento brasileño, Bossa y Tempo.
Mi lectura
Una llamada de atención al cliente tiene mucho silencio, con el cliente buscando la tarjeta, esperando que llegue un código o leyendo un número. Con el tiempo muerto más barato, mantener un agente de voz en la línea durante toda la conversación es más fácil de justificar en servicios financieros, y la voz probablemente sea la primera interfaz de agente que muchos clientes de bancos usen de verdad.