La carrera por la inteligencia artificial conversacional ha entrado en una nueva fase, y ya no se trata solo de quién responde mejor por texto, sino de quién logra sonar más natural hablando. Google y OpenAI llevan meses puliendo sus asistentes de voz, Gemini Live y ChatGPT Voice respectivamente, con el objetivo de eliminar esa sensación robótica e incómoda que todavía delata a una máquina al otro lado de la conversación.
Gemini Live, integrado en la app de Gemini de Google, apuesta por una latencia mínima y por la capacidad de mantener el contexto durante charlas largas, incluso cuando el usuario cambia de tema abruptamente o interrumpe a la IA a mitad de frase. Google ha trabajado especialmente en que el asistente pueda ‘escuchar’ mientras habla, imitando la dinámica real de una conversación humana donde ambas partes se solapan, se cortan y retoman el hilo sin perder naturalidad. Además, Gemini Live puede compartir la cámara del móvil en tiempo real, lo que le permite comentar lo que está viendo mientras conversa, algo que le da un plus de inmersión frente a un simple chat de voz.
Por su parte, ChatGPT Voice, la función estrella del modo de voz avanzado de OpenAI, ha apostado por una entonación más expresiva y matices emocionales en la voz sintética, algo que quedó demostrado desde la polémica demo de ‘Sky’, la voz que recordaba a Scarlett Johansson. OpenAI ha priorizado que la IA sepa reírse, dudar, cambiar el tono según el contexto emocional del usuario y hasta hacer pausas dramáticas, buscando ese efecto de ‘estoy hablando con alguien’, no con algo. En pruebas comparativas recientes, ChatGPT Voice suele ganar en calidez y expresividad, mientras que Gemini Live destaca por la fluidez técnica y la rapidez de respuesta.
Para la comunidad friky y geek, esto no es un detalle menor. Estos asistentes de voz son la puerta de entrada más realista que hemos tenido hasta ahora a la ciencia ficción hecha realidad: hablar con una IA como si fuera HAL 9000, Jarvis o Samantha de ‘Her’ ya no es una fantasía de guion, es una función disponible en el móvil. Y la competencia entre ambas empresas está acelerando el desarrollo de tecnologías de reconocimiento de voz, síntesis emocional y procesamiento en tiempo real que antes parecían décadas de distancia.
El debate de fondo, más allá de cuál suena mejor, es hacia dónde nos lleva esta carrera: asistentes que puedan sostener conversaciones indistinguibles de las humanas plantean preguntas sobre dependencia emocional, privacidad y hasta bienestar mental, especialmente si empezamos a preferir hablar con una IA antes que con una persona. Lo que está claro es que ni Google ni OpenAI van a bajar el ritmo, y en los próximos meses veremos nuevas actualizaciones de ambos modelos peleando centímetro a centímetro por ofrecer la conversación más ‘humana’ posible con una máquina.
Fuente: https://www.engadget.com/2266889/gemini-live-vs-gpt-live-which-offers-more-natural-conversation/