Las recientes actualizaciones en los sistemas de inteligencia artificial de Google y OpenAI han introducido capacidades en tiempo real:

Google Gemini 2.0 Flash

Google ha lanzado Gemini 2.0 Flash, un modelo de IA multimodal capaz de procesar y generar texto, imágenes y audio en tiempo real. Su Multimodal Live API permite a los desarrolladores crear aplicaciones con interacciones naturales y comprensión de video en tiempo real. Esta tecnología facilita la creación de agentes autónomos que pueden realizar tareas complejas con mínima intervención humana, como realizar pedidos en línea o programar videollamadas.

OpenAI incorpora video al Modo de Voz Avanzado de ChatGPT

OpenAI ha mejorado ChatGPT con el Modo de Voz Avanzado, permitiendo conversaciones en tiempo real más naturales. Esta función, inicialmente disponible para suscriptores de pago, se ha expandido a usuarios gratuitos, ofreciendo una experiencia de conversación más fluida y humana. Además, se han introducido capacidades de video y uso compartido de pantalla, ampliando las posibilidades de interacción.

Just in time for the holidays, video and screensharing are now starting to roll out in Advanced Voice in the ChatGPT mobile app. pic.twitter.com/HFHX2E33S8

— OpenAI (@OpenAI) December 12, 2024

¿Por qué es importante?

Estas nuevas herramientas de inteligencia artificial, con capacidades en tiempo real de visión y voz, son importantes porque permiten una interacción más natural y eficiente, facilitando la retroalimentación instantánea y mejorando la productividad en tareas complejas. Su capacidad para combinar visión y voz amplía la accesibilidad, mejora el entendimiento del contexto visual y abre nuevas aplicaciones en sectores como educación, medicina, logística y seguridad. Además, impulsan la innovación al ofrecer soluciones que democratizan el uso de la tecnología y transforman la manera en que colaboramos con sistemas inteligentes.