Traducción con GPT-Live: Funciones, Límites y Latencia Medida (2026)

1. Qué Lanzó OpenAI, y Qué Cambió en Septiembre

OpenAI anunció GPT-Live el miércoles 8 de julio de 2026 en una entrada de blog y una retransmisión en directo (Introducing GPT-Live). Se lanzaron dos modelos: GPT-Live-1, el nuevo modelo de voz predeterminado para los planes de pago Go, Plus y Pro, y GPT-Live-1 mini, el nuevo predeterminado para cuentas gratuitas (según MacRumors y The Decoder). Ambos sustituyen a Advanced Voice Mode como voz predeterminada de ChatGPT; el modo antiguo sigue disponible en los ajustes de voz.

El 10 de septiembre de 2026 los modelos llegaron a la API de OpenAI, que es el cambio más importante desde el lanzamiento. Ahora se puede llamar a GPT-Live-1 como gpt-live-1 en el endpoint v1/live/sessions, con un precio de $0.05 por minuto de conversación para la capa de voz, y el modelo de backend que se ocupe del razonamiento se factura por separado (referencia del modelo). Hasta entonces, la promesa de traducción descansaba en la demo de OpenAI y en los reportes de prensa. Ahora se puede medir directamente, y la Sección 5 hace exactamente eso.

La característica definitoria es el audio full-duplex: el modelo procesa lo que oye mientras habla, tomando decisiones de interacción muchas veces por segundo, así que se le puede interrumpir con naturalidad, responde con señales de escucha ("mhmm", "entendido") mientras hablas, o guarda silencio mientras piensas (MarkTechPost). Para cualquier cosa que requiera búsqueda web, razonamiento profundo o trabajo agéntico, GPT-Live delega en GPT-5.5 en segundo plano y mantiene la conversación mientras llega el resultado. El usuario puede elegir tres niveles de razonamiento (Instant, Medium, High); los niveles altos enrutan a GPT-5.5 Thinking.

Las evaluaciones publicadas por OpenAI se centran en capacidad, no en velocidad: en razonamiento High, GPT-Live-1 obtiene 84.2% en GPQA frente al 45.3% de Advanced Voice Mode, y 75.2% en BrowseComp frente al 0.7%. En pruebas de preferencia humana, GPT-Live-1 fue preferido sobre Advanced Voice Mode en el 75.7% de las conversaciones, y mini en el 69.2% (The Decoder, citando el anuncio de OpenAI). De forma independiente, Artificial Analysis sitúa a GPT-Live-1 en el segundo puesto general de su índice de voz a voz con 81.5, y 1.34 segundos hasta el primer audio. OpenAI sigue sin publicar cifras de latencia específicas de traducción.

2. Cómo Funciona la Traducción en Vivo en GPT-Live

La traducción en vivo es una de las capacidades que OpenAI nombra explícitamente en los materiales de lanzamiento: la arquitectura full-duplex permite al modelo "mantener un ida y vuelta más natural, un mejor sentido del tiempo, e incluso realizar traducción en vivo" (anuncio de OpenAI). En las presentaciones a prensa, OpenAI demostró el modelo hablando una traducción continua mientras el presentador seguía hablando.

Es una instrucción, no un modo

No hay interruptor de traductor, selector de par de idiomas ni interfaz de traducción dedicada. Inicias una sesión de Voz e instruyes al asistente: "Quiero que traduzcas simultáneamente todo lo que diga al hindi". El modelo produce entonces una traducción hablada a medida que hablas, y continúa hasta que le pidas parar o cambiar. Es el mismo patrón por instrucción que ChatGPT Voice tiene desde el lanzamiento Realtime de mayo de 2026; lo que cambió es la entrega full-duplex, que permite que la traducción se solape con tu habla en lugar de esperar a que termine tu turno.

El rol se mantiene, y eso no era obvio

El fallo evidente al que se expone un modelo conversacional al que se le pide interpretar es que responda al hablante en lugar de traducirlo. Eso no ocurrió. A lo largo de 27 minutos de audio interpretado en pruebas medidas, entre inglés a español, inglés a japonés y chino a inglés, ni una sola vez respondió al hablante en lugar de traducirlo: sin preguntas de aclaración, sin comentarios, sin deriva de vuelta al comportamiento de asistente. El seguimiento de instrucciones no es donde esto se rompe.

El compromiso de ser asistente primero

GPT-Live es un asistente conversacional general que traduce a petición, no un intérprete dedicado, y esa forma tiene consecuencias sobre el ritmo más que sobre la obediencia. Un modelo conversacional habla a una velocidad natural y no comprime ni descarta contenido cuando se queda atrás. La interpretación exige lo contrario: el hablante sigue adelante pase lo que pase, así que un sistema que no puede seguir el ritmo tiene que resumir, saltarse partes o aceptar un retraso sin límite. En la aplicación de consumo, las señales de escucha que hacen natural la conversación ("mhmm", "ya") también inyectan audio ajeno a la traducción en una sesión de traducción, y los usuarios del primer día las reportaron mayoritariamente como intrusivas (BigGo).

3. GPT-Live vs el Traductor Especializado de OpenAI

OpenAI ofrece dos superficies distintas de traducción en vivo, y son pilas diferentes. El 7 de mayo de 2026, OpenAI lanzó gpt-realtime-translate en la Realtime API: un modelo de traducción de voz a voz en streaming, construido para ese fin, entrenado con miles de horas de audio de intérpretes profesionales y configurado para mantenerse en modo solo traducción, esperando contexto suficiente antes de producir habla (anuncio de OpenAI). GPT-Live es el asistente full-duplex de propósito general que traduce cuando se le pide. Ambos están ya disponibles para desarrolladores, lo que hace posible una comparación directa por primera vez.

Los 13 idiomas de salida documentados de gpt-realtime-translate: inglés, español, portugués, francés, alemán, italiano, ruso, chino, japonés, coreano, hindi, indonesio y vietnamita (OpenAI Cookbook). OpenAI sigue sin publicar una lista de idiomas para GPT-Live, así que el comportamiento medido es la única guía, y varía enormemente según el idioma.

Dos correcciones de la cobertura de la semana de lanzamiento, porque siguen circulando y hoy son falsas o confusas. Primera: la afirmación de que GPT-Live "no tiene API" quedó obsoleta el 10 de septiembre de 2026; el modelo gpt-live-1 es accesible desde entonces en v1/live/sessions, a $0.05 por minuto para la capa de voz más la facturación aparte del modelo de backend. Segunda: las cifras de "$32 por millón de tokens de audio de entrada, $64 de salida" que circularon en julio nunca fueron de GPT-Live; pertenecen a gpt-realtime-2, un modelo distinto.

4. Límites que Reconocen OpenAI y las Pruebas Independientes

• El retraso se acumula en el habla continua. El retraso de finalización medido subió de 5.7 segundos a una meseta de 10 a 14 segundos en tres minutos en inglés a español, y se quedó ahí el resto de la sesión.
• El japonés se degrada gravemente. El 17% de las frases se tradujo en menos de 30 segundos, frente al 98% del mismo modelo hacia el español, y 20 de 90 frases no se tradujeron nunca.
• Los topes de uso existen pero no están publicados. El centro de ayuda de OpenAI indica que los límites de uso de voz varían según el plan y la opción de Voz y pueden cambiar. Los reportes de terceros con cifras concretas se contradicen; trata cualquier cifra concreta como no verificada.
• Sin cifras oficiales de latencia. OpenAI publicó benchmarks de capacidad (GPQA, BrowseComp, tasas de preferencia) pero ninguna medición de primer audio ni de retraso para la traducción.
• La cobertura de idiomas no está documentada. "La mayoría de los idiomas hablados", con acentos no nativos y carencias de fluidez reconocidos para el resto.
• Las señales de escucha no se pueden desactivar del todo en la aplicación de consumo, aunque una instrucción explícita de solo traducir se mantuvo sin excepción en las pruebas por API.
• La supervisión de seguridad puede intervenir. Según la system card de GPT-Live, la monitorización en tiempo real puede redirigir o interrumpir una respuesta, reproducir un mensaje de seguridad hablado o terminar conversaciones de alto riesgo.

5. Qué Muestra la Medición Independiente

Nunca se sale del papel. A lo largo de 27 minutos de audio interpretado, en ninguna dirección respondió al hablante en lugar de traducirlo. Eso es genuinamente difícil, y los modelos de traducción dedicados ni siquiera tienen que intentarlo.

Se queda progresivamente atrás. En inglés a español, el retraso de finalización subió de 5.7 segundos en el minuto cero a una meseta de entre 10 y 14 segundos en el minuto tres, y ahí se quedó. La forma importa: no es un retraso ilimitado, pero quien se incorpore a escuchar en el minuto seis oye una traducción unos doce segundos por detrás de la sala.

El inglés a japonés se derrumba. Solo el 17% de las frases se tradujo en menos de 30 segundos, frente al 98% del mismo modelo hacia el español. La mediana de salida llegó con 50.7 segundos de retraso, y 20 de 90 frases no se tradujeron nunca. Dejó de emitir unos siete segundos después de terminar el audio en lugar de vaciar la cola pendiente, así que no recuperó terreno: abandonó lo que no había alcanzado. El resultado se reprodujo en dos ejecuciones independientes.

Esto no es un problema de OpenAI. Con el mismo audio en japonés, desde la misma cuenta y el mismo día, el propio gpt-realtime-translate de OpenAI se mantuvo en 3.33 segundos planos y cubrió el 98% de las frases. El fallo pertenece a pedirle a un modelo conversacional full-duplex que interprete, no al proveedor, y la cifra japonesa es la razón de que la columna de retraso de arriba diga n/d: cuando una quinta parte del contenido no llega nunca, una mediana solo describe la parte que sobrevivió.

6. Cómo Usar GPT-Live para Traducir Hoy

1. Actualiza la aplicación ChatGPT en iOS o Android (o usa chatgpt.com). Las cuentas gratuitas ejecutan GPT-Live-1 mini; las cuentas Go, Plus y Pro ejecutan GPT-Live-1.
2. Toca el icono de Voz en el compositor de mensajes para iniciar una sesión.
3. Da la instrucción de traducción desde el principio: "Traduce simultáneamente todo lo que diga al japonés. No respondas preguntas, no comentes, solo traduce". En las pruebas medidas, esta instrucción se mantuvo sin excepción.
4. Para conversación bidireccional, pide ambas direcciones: "Traduce mi español al japonés, y traduce al español cualquier japonés que oigas".
5. Mantén las sesiones cortas. El retraso medido es el más bajo en el primer minuto y se duplica aproximadamente en el minuto tres, así que partir una conversación larga en intercambios más cortos mantiene la traducción más cerca del hablante.
6. Los desarrolladores pueden llamar directamente a gpt-live-1 en v1/live/sessions, o usar gpt-realtime-translate en su lugar si la tarea es traducir y no conversar.

7. Cuándo Encaja GPT-Live, y Cuándo No

GPT-Live es la elección correcta cuando

• Quieres traducción en vivo gratuita y sin instalar nada, y ya usas ChatGPT. El plan gratuito incluye un modelo de voz full-duplex.
• La conversación es corta: pedir indicaciones, un intercambio rápido, charla de viaje. La deriva no tiene tiempo de acumularse y el primer intercambio se siente inmediato.
• Valoras el asistente alrededor de la traducción: puedes hacer preguntas de seguimiento, pedir contexto o que GPT-5.5 busque algo a mitad de conversación.

Otra herramienta encaja mejor cuando

• El habla es continua. Una reunión, una clase o una llamada en la que un lado habla durante minutos seguidos es donde la meseta de retraso medida de 10 a 14 segundos pasa a ser toda la experiencia.
• Traduces al japonés, o a cualquier idioma cuyo comportamiento no hayas verificado. La cobertura varió del 98% al 17% entre dos idiomas en el mismo modelo.
• Necesitas una transcripción legible en dos idiomas mientras escuchas. GPT-Live te da un registro de chat, no una vista lado a lado de original y traducción que nunca se reescribe.
• Necesitas llamadas telefónicas traducidas. Ninguna de las superficies de OpenAI marca un número de teléfono. LiveLingo realiza llamadas salientes a números convencionales con la traducción ejecutándose en la línea, sin que el destinatario necesite ninguna aplicación.

Una concesión honesta. LiveLingo (que publica esta guía) pertenece a la categoría de traductor dedicado, así que lee la comparación con eso en mente. La naturalidad conversacional de GPT-Live es un avance real, su gestión de turnos full-duplex está por delante de cualquier aplicación de traducción dedicada, incluida la nuestra, su plan gratuito lo convierte en la manera más fácil de probar la traducción de voz en vivo hoy, y mantuvo el rol de intérprete durante 27 minutos sin un solo desliz. Lo que no hace es seguir el ritmo de un hablante que no espera. Especificaciones lado a lado: /compare/chatgpt-translation. Mediciones completas: /research/gpt-live-1-interpreter-test.

8. Preguntas Frecuentes

¿Qué es GPT-Live?

GPT-Live es la familia de modelos de voz full-duplex de OpenAI, presentada en ChatGPT el 8 de julio de 2026. Se lanzaron dos modelos: GPT-Live-1 (predeterminado en los planes de pago Go, Plus y Pro) y GPT-Live-1 mini (predeterminado para usuarios gratuitos). A diferencia de Advanced Voice Mode, al que sustituye, GPT-Live escucha y habla al mismo tiempo: se le puede interrumpir con naturalidad, emite señales de escucha mientras hablas y traduce en tiempo real mientras sigues hablando. Delega las consultas complejas a GPT-5.5 en segundo plano. Funciona en iOS, Android y chatgpt.com y, desde el 10 de septiembre de 2026, también está disponible para desarrolladores como gpt-live-1 en la API de OpenAI.

¿Puede GPT-Live traducir en tiempo real?

Sí, y en las pruebas medidas nunca abandonó el rol de intérprete a lo largo de 27 minutos de audio. La traducción se invoca por instrucción y no con un interruptor de modo: dile al asistente "traduce simultáneamente todo lo que diga al japonés" y habla una traducción continua mientras tú hablas. La limitación es el ritmo, no la obediencia: el retraso de finalización subió de 5.7 segundos a una meseta de 10 a 14 segundos en inglés a español a lo largo de una sesión de 452 segundos.

¿GPT-Live tiene API?

Sí, desde el 10 de septiembre de 2026. GPT-Live-1 está disponible como el modelo gpt-live-1 en el endpoint v1/live/sessions, con un precio de $0.05 por minuto de conversación para la capa de voz, y el modelo de backend que se ocupa del razonamiento se factura por separado. Esto cambió respecto al debut del 8 de julio en ChatGPT, cuando GPT-Live era exclusivo de la aplicación. OpenAI ofrece además un modelo de traducción especializado aparte, gpt-realtime-translate, a $0.034 por minuto, con 70+ idiomas de entrada y 13 de salida.

¿Cuánto retraso añade GPT-Live al traducir?

Medido a través de la API el 15 de septiembre de 2026: una mediana de 11.72 segundos para terminar de entregar una frase en inglés a español, que sube a lo largo de la sesión desde 5.7 segundos en el minuto cero hasta una meseta de 10 a 14 segundos en el minuto tres. Con el mismo audio, el propio gpt-realtime-translate de OpenAI midió 2.65 segundos, Gemini 3.5 Live Translate 1.51 segundos y LiveLingo 0.94 segundos, los tres planos a lo largo de los mismos 452 segundos, sin derivar.

¿Por qué le cuesta tanto a GPT-Live la traducción al japonés?

Se queda atrás hasta el punto de dejar de recuperar terreno. Solo el 17% de las frases al japonés se tradujo en menos de 30 segundos desde que se dijeron, frente al 98% del mismo modelo hacia el español; la mediana de salida llegó con 50.7 segundos de retraso y 20 de 90 frases no se tradujeron nunca. El resultado se reprodujo en dos ejecuciones. El gpt-realtime-translate dedicado de OpenAI cubrió el 98% con 3.33 segundos planos sobre el mismo audio, así que esto es propio de pedirle a un modelo conversacional que interprete, no una limitación del japonés de OpenAI.

¿GPT-Live es gratis?

En ChatGPT sí, con una división por planes. GPT-Live-1 mini es el modelo de voz predeterminado en las cuentas gratuitas; los planes de pago Go, Plus y Pro usan el GPT-Live-1 más grande. No se introdujo ninguna suscripción nueva, y los límites de uso de voz varían según el plan sin topes de minutos publicados. La API es aparte y se mide por consumo: $0.05 por minuto para la capa de voz, más el uso del modelo de backend.

¿Qué idiomas soporta GPT-Live para traducir?

OpenAI no ha publicado una lista de idiomas. Los materiales de lanzamiento dicen que la voz está optimizada para "la mayoría de los idiomas hablados" y reconocen carencias de acento y fluidez en el resto. El comportamiento medido varía mucho según el idioma: el mismo modelo cubrió el 98% de las frases en español en menos de 30 segundos, pero solo el 17% de las japonesas. El modelo de traducción para desarrolladores de OpenAI, gpt-realtime-translate, documenta 70+ idiomas de entrada y 13 de salida: inglés, español, portugués, francés, alemán, italiano, ruso, chino, japonés, coreano, hindi, indonesio y vietnamita.

¿Cómo se compara GPT-Live con Gemini Live en traducción?

Apuestas arquitectónicas distintas, y ahora ambas son medibles. GPT-Live es un asistente conversacional full-duplex que traduce a petición. Gemini 3.5 Live Translate de Google es un modelo dedicado de voz a voz en streaming. Con un audio idéntico de 452 segundos, Gemini mantuvo un retraso de finalización plano de 1.51 segundos en inglés a español y 1.92 segundos al japonés, mientras que gpt-live-1 subió a una meseta de 10 a 14 segundos en español y solo cubrió el 17% de las frases japonesas en menos de 30 segundos. Una vía de traducción dedicada mantiene un desfase constante en lugar de acumular retraso.

¿Cómo se vuelve a Advanced Voice Mode desde GPT-Live?

Abre los ajustes de voz de ChatGPT y selecciona Advanced Voice Mode. GPT-Live lo sustituyó como modo predeterminado el 8 de julio de 2026, pero OpenAI mantuvo el modo antiguo disponible para los usuarios que necesitan funciones que GPT-Live no soporta, como el video y el compartir pantalla.

¿Cómo se evita que GPT-Live interrumpa o diga "mhmm"?

No se puede desactivar del todo el comportamiento de señales de escucha en la aplicación de consumo. El remedio es dar una instrucción explícita al inicio de la sesión, como "solo traduce lo que diga, no añadas nada más". En las pruebas medidas por API esa instrucción se mantuvo por completo, con cero rupturas de rol a lo largo de 27 minutos, así que el rol de intérprete en sí es fiable, aunque en ChatGPT las interjecciones conversacionales sigan siendo posibles. Si este comportamiento bloquea tu caso de uso, Advanced Voice Mode sigue disponible en los ajustes de voz.

¿Qué herramienta conviene usar hoy para traducción simultánea de conversaciones?

Para intercambios cortos, GPT-Live va bien y es gratis dentro de ChatGPT. Para habla continua, como una reunión, una clase o una llamada larga, usa una vía especializada. Medido sobre un audio idéntico de 452 segundos, el retraso de finalización fue de 0.94 segundos en LiveLingo, 1.51 en Gemini 3.5 Live Translate y 2.65 en el propio gpt-realtime-translate de OpenAI, todos planos, frente a los 10 a 14 segundos crecientes de gpt-live-1 con instrucción. Para llamadas traducidas a números convencionales, ninguna de las superficies de OpenAI marca números; esa es otra categoría de producto.

9. Fuentes

• OpenAI. Introducing GPT-Live. Blog de OpenAI, 8 de julio de 2026. openai.com
• OpenAI Developers. GPT-Live-1 model reference (disponibilidad en API, endpoint y precios). developers.openai.com
• OpenAI. GPT-Live system card. OpenAI Deployment Safety, julio de 2026. deploymentsafety.openai.com
• OpenAI. ChatGPT Voice (centro de ayuda). help.openai.com
• TechCrunch. OpenAI releases new voice models for more natural live conversations, 8 de julio de 2026. techcrunch.com
• MarkTechPost. OpenAI Releases GPT-Live and GPT-Live-1 mini: Full-Duplex Voice Models That Delegate Deeper Reasoning to GPT-5.5, 8 de julio de 2026. marktechpost.com
• MacRumors. OpenAI Introduces GPT-Live to Make ChatGPT Voice Feel Like a Real Conversation, 8 de julio de 2026. macrumors.com
• The Decoder. ChatGPT can now listen and talk at the same time, julio de 2026. the-decoder.com
• SiliconANGLE. OpenAI launches GPT-Live voice model series ahead of broad GPT-5.6 release, 8 de julio de 2026. siliconangle.com
• Simon Willison. Introducing GPT-Live (notas desde el acceso previo), 8 de julio de 2026. simonwillison.net
• OpenAI Developers. gpt-realtime-translate model reference y realtime translation guide. developers.openai.com
• Artificial Analysis. Speech to Speech Quality Index (puesto de GPT-Live-1 y tiempo hasta el primer audio). artificialanalysis.ai
• LiveLingo Research. GPT-Live-1 Interpreter Test, 15 de septiembre de 2026. Datos por clip bajo CC-BY 4.0. livelingo.io/research/gpt-live-1-interpreter-test
• LiveLingo Research. Benchmark de Traducción de Voz en Tiempo Real 2026. livelingo.io/research/benchmark-2026. DOI del dataset: 10.5281/zenodo.21250032
• LiveLingo. La Traducción de ChatGPT en 2026: Voice Mode, la API gpt-realtime-translate y Whisper Comparados. livelingo.io/es/guides/openai-live-translation

Actualizado el 16 de septiembre de 2026 para reflejar la llegada de GPT-Live-1 a la API de OpenAI el 10 de septiembre de 2026 y para añadir las primeras mediciones independientes de su comportamiento de traducción. Nombres de modelos, asignación por planes, endpoint y precios verificados contra la documentación para desarrolladores de OpenAI el 16 de septiembre de 2026. Las mediciones son del modelo de API, no de la experiencia de consumo de ChatGPT; OpenAI puede cambiar rápidamente planes, límites, cobertura de idiomas y comportamiento del modelo.