OpenAI anuncia GPT-4o con avances en texto, audio e imágenes

GPT-4o ("o" de "omni") es el último modelo multilingüe multimodal (LLM) de OpenAI y aporta importantes avances en la generación de contenidos de texto, voz e imagen para ofrecer una interacción más natural entre los usuarios y la inteligencia artificial (IA).

OpenAI afirma que su nuevo modelo de IA puede responder al audio en sólo 232 milisegundos y es significativamente más rápido a la hora de responder al texto en comandos que no sean en inglés, incluido el soporte para más de 50 idiomas. El usuario también puede interrumpir a la IA con nuevas preguntas o aclaraciones mientras habla.

GPT-4o cuenta con un asistente de voz de aspecto humano más capaz, que responde en tiempo real y puede observar el entorno del usuario a través de la cámara del dispositivo. El usuario puede incluso decirle al asistente que suene más alegre o que vuelva a una voz más robótica. El nuevo modelo de IA puede traducir más de 50 idiomas en tiempo real y funcionar como asistente de accesibilidad para discapacitados visuales.

OpenAI mostró una larga lista de funciones de GPT-4o en una emisión en directo. Puedes ver todas las demostraciones de las nuevas funciones de GPT-4o en el canal de YouTube de OpenAI.

GPT-4o estará disponible para los usuarios gratuitos de ChatGPT, mientras que los de ChatGPT Plus tendrán un límite de interacción cinco veces superior. Las funciones de texto e imagen de GPT-4o ya están disponibles en la app ChatGPT y en la web. El nuevo modo de voz estará disponible para los usuarios de ChatGPT Plus en las próximas semanas.

OpenAI también ha anunciado una aplicación ChatGPT dedicada para macOS, mientras que la versión para Windows se lanzará a finales de este año, además de presentar la ChatGPT Store, que ofrece millones de bots de chat personalizados a los que los usuarios pueden acceder de forma gratuita.