OpenAIVoz
OpenAI ofrece de forma general GPT-Live 1, su modelo de voz full-duplex
GPT-Live 1 escucha y habla al mismo tiempo, delega el razonamiento a un agente de backend y cuesta $0.05 por minuto de sesión de voz.
Imagen: OpenAI

Sigue los agentes de voz para llamadas y conversaciones en aplicaciones, los modelos que transcriben o sintetizan el habla y las plataformas que los ejecutan. Explora por proveedor para ver lanzamientos, integraciones e idiomas compatibles.
41 noticias
OpenAIVoz
GPT-Live 1 escucha y habla al mismo tiempo, delega el razonamiento a un agente de backend y cuesta $0.05 por minuto de sesión de voz.
Imagen: OpenAI

CartesiaVoz
Según Cartesia, Sonic-3.6 suena más natural que Sonic-3.5, cubre 44 idiomas y 61 variantes regionales, y responde en menos de 90 ms.
Imagen: Cartesia

DeepgramVoz
Flux TTS es el modelo de texto a voz de Deepgram para agentes de voz empresariales; mantiene el contexto entre turnos, empieza a responder en apenas 80 ms y puede ejecutarse en la nube del cliente o en sus propias instalaciones.
xAIVoz
Grok Voice 2.0 mejora el razonamiento, el uso de herramientas y la precisión de transcripción frente a Grok Voice 1.0, usa menos tokens de razonamiento para llamar herramientas más rápido y pasó a ser el predeterminado de grok-voice-latest el 5 de agosto de 2026.
Imagen: xAI

OpenAIAgentes
Presence reúne políticas, guardrails, acciones aprobadas, simulaciones, evaluaciones y un ciclo de mejora con Codex para agentes de voz y chat de atención y uso interno. Se lanzó con un programa de disponibilidad general limitada, guiado por ingenieros de OpenAI y socios.
Imagen: OpenAI

OpenAIVoz
GPT-Realtime-2 agregó razonamiento configurable a los agentes de voz a voz, junto con nuevos modelos de traducción y transcripción en streaming.
Imagen: OpenAI

TwilioPlataformas
En SIGNAL 2026, Twilio lanzó cuatro capacidades que conservan el contexto del cliente entre canales y conectan cualquier agente de IA a su red de voz y mensajería.
BlandVoz
Norm genera el prompt, la personalidad, las rutas y las reglas de extracción de un agente de voz de Bland a partir de una descripción en lenguaje natural, con revisión por ramas y llamadas de prueba simuladas antes de publicarlo.
Imagen: Bland

AmazonPlataformas
Amazon terminó el acceso anticipado de Alexa+ y abrió su asistente de IA generativa a todos los clientes de EE. UU. en dispositivos Alexa, la app de Alexa y Alexa.com. Está incluido con Prime, y quienes no tienen Prime cuentan con un nivel gratuito de chat.
Imagen: Amazon

xAIVozDestacada
Los desarrolladores pueden crear agentes de voz en tiempo real con la tecnología detrás de Grok en los vehículos Tesla, con llamadas a herramientas, búsqueda web y en X, decenas de idiomas y compatibilidad con el formato de la OpenAI Realtime API.
Imagen: xAI

OpenAIVoz
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.
Imagen: OpenAI

ElevenLabsVoz
Eleven v3 agregó etiquetas de audio en línea como [whispers] y [excited], diálogo con varias voces y soporte para más de 70 idiomas, pensado para medios y no para agentes en tiempo real.
Imagen: ElevenLabs

OpenAIVoz
gpt-4o-transcribe y gpt-4o-mini-transcribe mejoraron la tasa de error de Whisper, y gpt-4o-mini-tts permitió a los desarrolladores describir cómo debe hablar una voz.
Imagen: OpenAI

OpenAIVoz
La Realtime API permitió a desarrolladores de pago crear conversaciones de voz de baja latencia con GPT-4o en una sola conexión WebSocket, con llamadas a funciones, por unos $0.06 por minuto de audio de entrada y $0.24 por minuto de salida.
Imagen: OpenAI

OpenAIModelosDestacada
GPT-4o igualó a GPT-4 Turbo en texto en inglés y código, respondía al audio en unos 320 milisegundos en promedio, llegó al plan gratuito de ChatGPT y costaba la mitad que GPT-4 Turbo en la API.
Imagen: OpenAI

ElevenLabsVoz
Eleven Multilingual v2 generaba voz en 28 idiomas manteniendo la voz y el acento de quien habla, y se lanzó junto con la versión pública de Professional Voice Cloning.
Imagen: ElevenLabs

OpenAIModelosDestacada
gpt-3.5-turbo, el modelo detrás de ChatGPT, llegó a la API a $0.002 por 1K tokens, diez veces más barato que los modelos GPT-3.5 anteriores, junto con un servicio alojado de voz a texto con Whisper.
Imagen: OpenAI
