gpt-realtime en resumen
El modelo de voz a voz gpt-realtime mejoró el seguimiento de instrucciones, las llamadas a herramientas y la naturalidad del habla, y la Realtime API sumó llamadas telefónicas por SIP, servidores MCP remotos y entrada de imágenes con precios 20% menores.
Qué cambió con gpt-realtime
El 28 de agosto de 2025, OpenAI liberó para uso general su Realtime API y lanzó gpt-realtime, su modelo de voz a voz más avanzado en ese momento. OpenAI dijo que sigue mejor las instrucciones complejas, llama herramientas con más precisión, capta señales no verbales como la risa, puede cambiar de idioma a mitad de una frase y suena más natural. Se agregaron dos voces nuevas, Marin y Cedar.
La API sumó soporte para servidores MCP remotos, entrada de imágenes y llamadas telefónicas por SIP, además de llamadas a funciones asíncronas para que las herramientas lentas no detengan la conversación. OpenAI bajó 20% el precio de gpt-realtime frente a gpt-4o-realtime-preview, a $32 por millón de tokens de audio de entrada y $64 por millón de tokens de audio de salida.
Por qué gpt-realtime importa para los negocios
Para los negocios, las llamadas SIP nativas y un mejor uso de herramientas simplificaron mucho poner una recepcionista o un agente de soporte con IA en una línea telefónica real. Siguen siendo esenciales los avisos de grabación, las reglas de consentimiento y un traspaso claro a una persona.
Ponlo a trabajar: Agentes de voz con IA
Fuentes de esta noticia
- Introducing gpt-realtime and Realtime API updates for production voice agents (se abre en una pestaña nueva)Oficial
OpenAI · openai.com
Última verificación: . IA Compa resume anuncios públicos para lectores de negocios. No tenemos relación con las empresas mencionadas. Confirma siempre los detalles, precios y disponibilidad con la fuente oficial.
- #voice-agents
- #speech-to-speech
- #openai
- #realtime-api
- #mcp
