OpenAI ha dado un paso importante en la personalización de la interacción vocal con sus modelos. La funcionalidad 'prompt-to-voice', antes limitada, ahora está disponible para todos los clientes de la API, abriendo un mundo de posibilidades para la creación de experiencias de usuario únicas.

Describe la voz de tus sueños y hazla realidad

Imagina poder describir la voz perfecta para tu asistente de IA, tu narrador de contenido o tu personaje interactivo, y que esta se genere automáticamente. Eso es precisamente lo que permite 'prompt-to-voice'. Ya no necesitas grabaciones de referencia ni formularios de consentimiento complejos. Simplemente describes el tipo de voz que quieres —por ejemplo, "una voz masculina profunda y amigable con un ligero acento británico"— y la IA de OpenAI se encarga de crearla.

Esta capacidad no solo simplifica enormemente el proceso, sino que también lo democratiza, poniendo en manos de cualquier desarrollador la posibilidad de dotar a sus aplicaciones de una personalidad vocal distintiva. La creación se puede realizar tanto a través de la API como desde el Voice Playground de la plataforma, y cada voz generada se guarda con un identificador único para su uso posterior en sesiones de GPT-Live.

¿Cómo funciona y dónde puedes usarla?

Técnicamente, la magia ocurre enviando una petición JSON a /v1/audio/voices con "type": "prompt". El modelo encargado de dar vida a estas voces en tiempo real es el gpt-live-1.

  • Creación gratuita: Generar una voz a partir de una descripción de texto es completamente gratuito.
  • Uso en GPT-Live: Una vez creada, puedes utilizar esta voz en tus sesiones de GPT-Live, donde se aplicarán las tarifas habituales de uso.
  • Reutilización sencilla: Para usar una voz guardada, solo necesitas indicar su ID en session.audio.output.voice.id. Incluso puedes incluir la descripción original en session.instructions para ayudar a mantener el carácter y la entonación deseados.

Además de esta innovadora función, OpenAI ha enriquecido su catálogo con nueve nuevas voces naturales orientadas específicamente a GPT-Live, cubriendo idiomas como el alemán (Nuri, Juni, Flitz), francés (Brise, Sillage), hindi (Nira), japonés (Harema, Shida) y coreano (Noeul).

Consideraciones importantes: límites y privacidad

Es crucial entender las limitaciones de esta nueva herramienta:

  • Exclusivo para GPT-Live: Las voces generadas por 'prompt-to-voice' están diseñadas específicamente para sesiones de GPT-Live y no son compatibles con otras APIs de voz como Text to Speech, Realtime o Chat Completions.
  • Creación con grabaciones: Si necesitas crear voces a partir de grabaciones de audio, este es un proceso distinto que requiere dos archivos (muestra y consentimiento) y está restringido a clientes elegibles que deben contactar al equipo de ventas de OpenAI.

En cuanto a la privacidad y el control, hay aspectos clave a considerar:

La creación de voces vía /v1/audio/voices (incluyendo el método con grabaciones) no es compatible con Zero Data Retention. Sin embargo, las generaciones de habla en GPT-Live podrían ser elegibles para Zero Data Retention una vez que esta opción se habilite. Es importante recordar que el almacenamiento de grabaciones, descargas y el forking de sesiones no están disponibles bajo esta modalidad.

OpenAI también ha establecido restricciones de uso claras para garantizar un uso ético y responsable de esta tecnología. No se permite suplantar a otras personas, solo se deben emplear voces adultas, es fundamental ser transparente con los oyentes sobre la naturaleza sintética del audio y se deben conservar metadatos o marcas que lo indiquen. La novedad, anunciada el 16 de octubre de 2026, ya está disponible para todos los clientes de la API.

¿Estás listo para experimentar con la creación de voces personalizadas y llevar tus interacciones con la IA a un nuevo nivel? Esta herramienta promete revolucionar la forma en que pensamos sobre la voz en el ámbito digital.